{ "cells": [ { "cell_type": "markdown", "source": [ "# സവാല്‍: ഡാറ്റാ സയൻസിനെക്കുറിച്ചുള്ള ടെക്സ്റ്റ് വിശകലനം\n", "\n", "ഈ ഉദാഹരണത്തിൽ, പരമ്പരാഗത ഡാറ്റാ സയൻസിന്റെ പ്രക്രിയയിലെ എല്ലാ ഘടകങ്ങളും ഉൾക്കൊള്ളുന്ന ഒരു ലളിതമയമായ അഭ്യാസം ചെയ്യാം. നിങ്ങൾയ്ക്ക് ഒരു കോഡ് എഴുതേണ്ടതില്ല, താഴെയുള്ള സെല്ലുകൾ ക്ലിക്ക് ചെയ്ത് അത് പ്രവർത്തിപ്പിക്കുകയും ഫലം നിരീക്ഷിക്കുകയും ചെയ്യാം. ഒരു സവാൽ എന്ന നിലയിൽ, വ്യത്യസ്ത ഡാറ്റ ഉപയോഗിച്ച് ഈ കോഡ് പരീക്ഷിക്കാൻ നിങ്ങൾ പ്രേരിപ്പിക്കപ്പെടുന്നു.\n", "\n", "## ലക്ഷ്യം\n", "\n", "ഈ പാഠത്തിൽ, ഡാറ്റാ സയൻസുമായി ബന്ധപ്പെട്ട വ്യത്യസ്ത ആശയങ്ങളെക്കുറിച്ച് സംസാരിച്ചിട്ടുണ്ട്. കുറച്ച് **ടെക്സ്റ്റ് മൈനിങ്** ചെയ്ത് കൂടുതൽ ബന്ധപ്പെട്ട ആശയങ്ങൾ കണ്ടെത്താൻ ശ്രമിക്കാം. ഡാറ്റാ സയൻസിനെക്കുറിച്ചുള്ള ഒരു ടെക്സ്റ്റ് എടുത്ത് അതിൽ നിന്നും കീവർഡുകൾ പുറത്തെടുത്തു, തുടർന്ന് ഫലം ദൃശ്യപ്പെടുത്താൻ ശ്രമിക്കും.\n", "\n", "ഒരു ടെക്സ്റ്റ് ആയി, ഞാൻ വിക്കിപീഡിയയിൽ നിന്ന് ഡാറ്റാ സയൻസ് പേജ് ഉപയോഗിക്കുന്നതാണ്:\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": [ "## Step 1: ഡാറ്റ നേടിയെടുക്കൽ\n", "\n", "ഓരോ ഡാറ്റാ സയൻസ് പ്രക്രിയയുടെ ആദ്യപടിയാണ് ഡാറ്റ നേടുന്നത്. അതിനായി നാം `requests` ലൈബ്രറി ഉപയോഗിക്കും:\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", "