{ "cells": [ { "cell_type": "markdown", "source": [ "# Sfida: Analizzare un Testo sulla Scienza dei Dati\n", "\n", "In questo esempio, faremo un semplice esercizio che copre tutti i passaggi di un processo tradizionale di scienza dei dati. Non è necessario scrivere alcun codice, puoi semplicemente cliccare sulle celle qui sotto per eseguirle e osservare il risultato. Come sfida, ti incoraggiamo a provare questo codice con dati diversi.\n", "\n", "## Obiettivo\n", "\n", "In questa lezione, abbiamo discusso diversi concetti legati alla Scienza dei Dati. Proviamo a scoprire più concetti correlati facendo un po' di **text mining**. Partiremo da un testo sulla Scienza dei Dati, estrarremo parole chiave da esso e poi cercheremo di visualizzare il risultato.\n", "\n", "Come testo, utilizzerò la pagina sulla Scienza dei Dati da Wikipedia:\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": [ "## Passaggio 1: Ottenere i Dati\n", "\n", "Il primo passo in ogni processo di data science è ottenere i dati. Utilizzeremo la libreria `requests` per farlo:\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", "