# Part 2: 環境建置、資料蒐集
時長: 1 hr

## 環境建置- Anaconda
==將使用Jupyter Notebook Coding==
Download Point: https://www.anaconda.com/download
下載過程參考: https://simplelearn.tw/anaconda-3-intro-and-installation-guide/

#### Jupyter Notebook
[GitHub設定& GitHub Desktop的連結教學](https://www.youtube.com/watch?v=mcCPcjOdGfE)

- 到GitHub的路徑裡建一個新檔(Python 3)

## 主要資料型態: csv -> Dataframe
- CSV (逗號分隔值) 檔案是特殊類型的檔案
- DataFrame是一種二維數據結構，可儲存不同類型的數據(包括字串、整數、浮點數等)，由行列組成，類似表格型態，每一欄數據須為同一種資料型別，但不同欄可儲存不同資料型別。
- 運用Pandas套件處裡Dataframe資料

# 讀取資料
df = pd.read_csv('persona.csv')

#部分讀取
# (讀取頭幾筆資料、最後幾筆資料)
df.head()
df.tail()

[更多Pandas資訊](https://ithelp.ithome.com.tw/articles/10208425)

## 處裡Dataframe中的資料

# 處理標籤欄位，確保每個關鍵字都被正確的分割為獨立的節點
df['標籤'] = df['標籤'].str.replace('、', ',').str.split(',')

# 創建關鍵字與ID之間的映射對照表
keyword_to_ids = defaultdict(list)
id_to_keywords = defaultdict(list)

#轉換成對照表需要的樣態
for index, row in df.iterrows():
    id = row['id']
    id_to_keywords[id].append
    keywords = [keyword.strip() for keyword in row['標籤']]
    for keyword in keywords:
        keyword_to_ids[keyword].append(id)