{
"cells": [
{
"cell_type": "markdown",
"source": [
"# 挑戰：分析有關數據科學的文本\n",
"\n",
"> *在這份筆記中，我們嘗試使用不同的 URL - 關於機器學習的維基百科文章。你會發現，與數據科學不同，這篇文章包含了許多術語，這使得分析更加困難。我們需要在進行關鍵字提取後，想出另一種方法來清理數據，以去除一些頻繁但無意義的詞組。*\n",
"\n",
"在這個例子中，我們將進行一個簡單的練習，涵蓋傳統數據科學流程的所有步驟。你不需要撰寫任何程式碼，只需點擊下面的單元格執行它們並觀察結果。作為挑戰，我們鼓勵你使用不同的數據來嘗試這段程式碼。\n",
"\n",
"## 目標\n",
"\n",
"在這節課中，我們討論了與數據科學相關的不同概念。讓我們嘗試通過**文本挖掘**來發現更多相關概念。我們將從一段有關數據科學的文本開始，從中提取關鍵字，然後嘗試將結果可視化。\n",
"\n",
"作為文本，我將使用維基百科上關於數據科學的頁面：\n"
],
"metadata": {}
},
{
"cell_type": "markdown",
"source": [],
"metadata": {}
},
{
"cell_type": "code",
"execution_count": 2,
"source": [
"url = 'https://en.wikipedia.org/wiki/Data_science'\r\n",
"url = 'https://en.wikipedia.org/wiki/Machine_learning'"
],
"outputs": [],
"metadata": {}
},
{
"cell_type": "markdown",
"source": [
"## 第一步：獲取資料\n",
"\n",
"每個資料科學流程的第一步就是獲取資料。我們將使用 `requests` 函式庫來完成這個步驟：\n"
],
"metadata": {}
},
{
"cell_type": "code",
"execution_count": 3,
"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",
"Machine learning - Wikipedia\n",
"