{
"cells": [
{
"cell_type": "markdown",
"source": [
"# 挑戰：分析有關數據科學的文本\n",
"\n",
"> *在這個筆記本中，我們嘗試使用不同的 URL - 機器學習的 Wikipedia 文章。你可以看到，與數據科學不同，這篇文章包含了大量術語，這使得分析變得更加複雜。我們需要在進行關鍵詞提取後，想出另一種方法來清理數據，去除一些頻繁但不具意義的詞組。*\n",
"\n",
"在這個例子中，讓我們做一個涵蓋傳統數據科學流程所有步驟的簡單練習。你不需要編寫任何代碼，可以點擊下面的單元來執行它們並觀察結果。作為一個挑戰，鼓勵你嘗試使用不同的數據來運行這段代碼。\n",
"\n",
"## 目標\n",
"\n",
"在本課中，我們討論了與數據科學相關的不同概念。讓我們嘗試通過做一些**文本挖掘**來發掘更多相關概念。我們將從關於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 Wikipedia 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": [
"## Step 1: 獲取數據\n",
"\n",
"每個數據科學流程的第一步是獲取數據。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",
"