{ "cells": [ { "cell_type": "markdown", "source": [ "# Kihívás: Szövegelemzés az Adattudományról\n", "\n", "Ebben a példában csináljunk egy egyszerű gyakorlatot, ami lefedi egy hagyományos adattudományi folyamat összes lépését. Nem kell kódot írnod, csak kattints a lent látható cellákra, hogy végrehajtsd azokat és megfigyeld az eredményt. Kihívásként ajánljuk, hogy próbáld ki ezt a kódot különböző adatokkal is.\n", "\n", "## Cél\n", "\n", "Ebben a leckében különböző, az Adattudományhoz kapcsolódó fogalmakat vettünk át. Próbáljunk meg még több kapcsolódó fogalmat felfedezni a **szövegbányászat** segítségével. Egy az Adattudományról szóló szöveggel kezdünk, kivonjuk belőle a kulcsszavakat, majd megpróbáljuk vizualizálni az eredményt.\n", "\n", "Szövegként a Wikipedia Adattudományról szóló oldalát fogom használni:\n" ], "metadata": {} }, { "cell_type": "markdown", "source": [], "metadata": {} }, { "cell_type": "code", "execution_count": 62, "source": [ "url = 'https://en.wikipedia.org/wiki/Data_science'" ], "outputs": [], "metadata": {} }, { "cell_type": "markdown", "source": [ "## 1. lépés: Az adatok beszerzése\n", "\n", "Az adatszolgáltatás első lépése minden adatkutatási folyamatban az adatok beszerzése. Ehhez a `requests` könyvtárat fogjuk használni:\n" ], "metadata": {} }, { "cell_type": "code", "execution_count": 63, "source": [ "import requests\r\n", "\r\n", "text = requests.get(url).content.decode('utf-8')\r\n", "print(text[:1000])" ], "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "\n", "\n", "\n", "\n", "Data science - Wikipedia\n", "