Các nội dung nghiên cứu, kết quả trong đề tàinày là trung thực và chưa công bố dưới bất kỳ hình thức nào trước đây.Những số liệu trong các bảng biểu phục vụ cho việc phân tích, nhận xét,
Trang 1ỦY BAN NHÂN DÂN TỈNH BÌNH DƯƠNG
TRƯỜNG ĐẠI HỌC THỦ DẦU MỘTVIỆN KỸ THUẬT – CÔNG NGHỆ
Bình Dương, ngày 28 tháng 3 năm 2023
Trang 2ỦY BAN NHÂN DÂN TỈNH BÌNH DƯƠNG
TRƯỜNG ĐẠI HỌC THỦ DẦU MỘTVIỆN KỸ THUẬT – CÔNG NGHỆ
Bình Dương, ngày 28 tháng 3 năm 2023
Trang 3LỜI CAM ĐOAN
Tôi xin cam đoan đây là công trình nghiên cứu của nhóm tôi và được sự hướng dẫnkhoa học của ThS Hồ Ngọc Trung Kiên Các nội dung nghiên cứu, kết quả trong đề tàinày là trung thực và chưa công bố dưới bất kỳ hình thức nào trước đây.
Những số liệu trong các bảng biểu phục vụ cho việc phân tích, nhận xét, đánh giáđược chính tác giả thu thập từ các nguồn khác nhau có ghi rõ trong phần tài liệu thamkhảo.
Ngoài ra, trong báo cáo còn sử dụng một số nhận xét, đánh giá cũng như số liệu củacác tác giả khác, cơ quan tổ chức khác đều có trích dẫn và chú thích nguồn gốc.
Nếu phát hiện có bất kỳ sự gian lận nào tôi xin hoàn toàn chịu trách nhiệm về nộidung báo cáo của mình Trường Đại học Thủ Dầu Một không liên quan đến những viphạm tác quyền, bản quyền do tôi gây ra trong quá trình thực hiện (nếu có).
Bình Dương, ngày tháng năm 2023Người thực hiện (ký tên và ghi rõ họ tên)
Trang 4MỤC LỤC
LỜI CAM ĐOAN 3
CHƯƠNG 1: TỔNG QUAN ĐỀ TÀI 6
1.1 LÝ DO CHỌN ĐỀ TÀI 6
1.2 MỤC TIÊU NGHIÊN CỨU 6
1.3 ĐỐI THƯỢNG NGHIÊN CỨU 7
CHƯƠNG 3: MÔ HÌNH BÀI TOÁN 12
3.1 MÔ HÌNH BÀI TOÁN 12
3.2 NÊU TỪNG BƯỚC THỰC HIỆN TRONG MÔ HÌNH 12
CHƯƠNG 4: THỰC NGHIỆM 14
4.1 Import thư viện cần thiết 14
4.2 Thu thập 1000 tin tức 15
4.3 Lưu excel vào dataframe 19
4.4 Xóa số, xóa tab HTML 20
4.5 Chuyển văn bản thành chữ thường 22
4.6 Chuẩn hóa văn bản (Hòa bình) - (Hoà bình) 22
Trang 54.7 Xóa STOPWORDS và chuyển sang dạng ngữ nghĩa 31
4.8 Chuyển sang dạng ngữ nghĩa 33
Trang 6 Tầm quan trọng của trang thông tin điện tử thể thao 247: Trang thông tin điện tửthể thao 247 là một trong những trang web uy tín và được nhiều người đọc tin thểthao sử dụng Phân tích dữ liệu từ trang web này sẽ cung cấp thông tin quý giá vềxu hướng đọc tin, các chủ đề và các bài viết được ưa chuộng.
Cơ hội thực hành kỹ năng phân tích dữ liệu: Phân tích dữ liệu là một kỹ năng quantrọng trong lĩnh vực khoa học dữ liệu và trí tuệ nhân tạo Phân tích dữ liệu từ trangthông tin điện tử thể thao 247 sẽ cung cấp cho bạn cơ hội thực hành và phát triểnkỹ năng phân tích dữ liệu.
Khả năng ứng dụng rộng: Khi phân tích dữ liệu từ trang thông tin điện tử thể thao247, bạn có thể sử dụng các kết quả để đưa ra các quyết định liên quan đến lĩnhvực thể thao như quảng cáo, đánh giá sự phát triển của một đội bóng, phân tích thịtrường và định hướng kinh doanh.
Tương tác với một cộng đồng đọc tin thể thao đông đảo: Bằng cách phân tích dữliệu từ trang thông tin điện tử thể thao 247, bạn có cơ hội tương tác với một cộngđồng đọc tin thể thao đông đảo và cung cấp cho họ những thông tin hữu ích và giátrị.
1.2 MỤC TIÊU NGHIÊN CỨU
Phân tích các chủ đề và mức độ quan tâm của người đọc đối với các bài viết trêntrang thông tin điện tử thể thao 247.
Điều tra và phân tích xu hướng và thị trường thể thao đang phát triển như thếnào Xác định các đội bóng, các VĐV, các giải đấu và các sự kiện thể thao đượcquan tâm nhất Phân tích dữ liệu về quảng cáo trên trang thông tin điện tử thểthao 247.
Đánh giá sự phát triển của một đội bóng hoặc một VĐV dựa trên mức độ quantâm của người đọc đối với họ trên trang thông tin điện tử thể thao 247.
So sánh và đánh giá sự quan tâm của người đọc đối với các đội bóng, VĐV hoặcgiải đấu trong nước và quốc tế Phân tích và đưa ra nhận định về các quan điểmvà ý kiến của người đọc đối với các sự kiện, vấn đề và tranh cãi liên quan đếnthể thao.
Trang 7 Đưa ra các đề xuất về cách cải thiện nội dung và tăng tính tương tác của trangthông tin điện tử thể thao 247 dựa trên phân tích dữ liệu và nhu cầu của ngườiđọc.
1.3 ĐỐI THƯỢNG NGHIÊN CỨU
Người đọc trang thông tin điện tử thể thao 247: Đối tượng này sẽ giúp chongười nghiên cứu hiểu rõ hơn về độ phổ biến và mức độ quan tâm của ngườidùng đối với các chủ đề thể thao cụ thể.
Các đội bóng, VĐV, giải đấu, sự kiện thể thao: Phân tích dữ liệu về đối tượngnày sẽ giúp người nghiên cứu hiểu được sự phát triển, độ phổ biến và mức độquan tâm của các đội bóng, VĐV, giải đấu và sự kiện thể thao cụ thể trên trangthông tin điện tử thể thao 247.
Các công ty quảng cáo: Đối tượng này sẽ giúp người nghiên cứu hiểu được thịtrường quảng cáo thể thao hiện nay và đưa ra các đề xuất để các công ty quảngcáo có thể tận dụng tốt nhất trang thông tin điện tử thể thao 247.
Nhà quản lý trang thông tin điện tử thể thao 247: Phân tích dữ liệu về đối tượngnày sẽ giúp người nghiên cứu đưa ra các đề xuất để nâng cao chất lượng nộidung trên trang thông tin điện tử thể thao 247, tăng tính tương tác và thu hútngười đọc.
Đối tượng nghiên cứu có thể được mở rộng hoặc giới hạn dựa trên mục đích và phạm vi của dự án phân tích dữ liệu trang thông tin điện tử thể thao 247.
1.4 PHẠM VI NGHIÊN CỨU
Thu thập và phân tích dữ liệu trên trang thông tin điện tử thể thao 247: Phân tíchcác chủ đề, tin tức, bài viết, video, hình ảnh liên quan đến thể thao được đăng trêntrang thông tin điện tử thể thao 247.
Phân tích mức độ tương tác của người đọc trên trang thông tin điện tử thể thao 247:Điều này bao gồm việc phân tích các phản hồi, bình luận, chia sẻ, lượt xem vàtương tác trên mạng xã hội liên quan đến các tin tức thể thao trên trang thông tinđiện tử thể thao 247.
Phân tích xu hướng thị trường quảng cáo thể thao trên trang thông tin điện tử thểthao 247: Phân tích các quảng cáo thể thao được đăng trên trang thông tin điện tửthể thao 247 để hiểu rõ hơn về thị trường quảng cáo thể thao trên trang web này. Đề xuất các giải pháp để cải thiện nội dung và tăng tương tác trên trang thông tin
điện tử thể thao 247: Dựa trên kết quả phân tích và hiểu rõ hơn về nhu cầu củangười đọc, người nghiên cứu có thể đề xuất các giải pháp để tăng tính tương tác vàthu hút người đọc trên trang thông tin điện tử thể thao 247.
Trang 88Phạm vi nghiên cứu cụ thể sẽ được xác định dựa trên mục đích nghiên cứu và các dữ liệu có sẵn trên trang thông tin điện tử thể thao 247.
CHƯƠNG 2 : CƠ SỞ LÝ THUYẾT2.1 GOOGLE COLAB
Cơ sở lý thuyết của Google Colab bao gồm:
Python: Google Colab hỗ trợ lập trình Python, một ngôn ngữ lập trình phổ biến và mạnh mẽ được sử dụng rộng rãi trong phân tích dữ liệu.
Jupyter Notebook: Google Colab được xây dựng trên nền tảng của Jupyter Notebook, một công cụ phổ biến trong phân tích dữ liệu.
Jupyter Notebook cho phép người dùng kết hợp các đoạn mã lập trình, mã markdown, hình ảnh và tài liệu vào trong một tài liệu duy nhất.
GPU và TPU: Google Colab cung cấp GPU và TPU miễn phí cho người dùng, cho phép người dùng thực hiện các tác vụ tính toán nặng trong thời gian ngắn.
Kết nối với Google Drive: Google Colab cho phép người dùng kết nối với Google Drive để lưu trữ và chia sẻ các notebook Jupyter của mình.
Các thư viện phổ biến: Google Colab được tích hợp sẵn các thư viện phổ biếnnhư NumPy, pandas, matplotlib và scikit-learn, giúp người dùng thực hiện phân tíchdữ liệu dễ dàng hơn.
Tóm lại, Google Colab là một môi trường lập trình trực tuyến mạnh mẽ và tiện lợi để thực hiện các tác vụ phân tích dữ liệu với Python và các thư viện phổ biến Nó được hỗ trợ bởi Jupyter Notebook và kết nối với các tài khoản Google Drive của người dùng Ngoài ra, Google Colab còn cung cấp GPU và TPU miễn phí cho người dùng.
2.2 LẬP TRÌNH PYTHON
Python là một ngôn ngữ lập trình thông dịch, đa mục đích và dễ học Nó được pháttriển vào cuối những năm 1980 bởi Guido van Rossum và đã trở thành một trong nhữngngôn ngữ lập trình phổ biến nhất trên thế giới.
Trang 9Hình 2 2 Logo ngôn ngữ lập trình python
Python có rất nhiều ưu điểm, bao gồm:
- Dễ học và dễ sử dụng: Python có cú pháp đơn giản và dễ hiểu, cho phép người mới học có thể bắt đầu lập trình ngay lập tức Ngoài ra, Python cũng có một cộng đồnglớn và chia sẻ thông tin rộng rãi, vì vậy người học có thể dễ dàng tìm kiếm thông tin và giúp đỡ.
- Đa năng: Python có thể được sử dụng để phát triển các ứng dụng desktop, web vàmobile, cũng như các phần mềm khoa học dữ liệu và trí tuệ nhân tạo.
- Cộng đồng lớn: Python có một cộng đồng lớn và sôi động, với hàng nghìn thư viện và module được phát triển bởi các nhà phát triển trên toàn thế giới Điều này giúp người dùng dễ dàng tìm kiếm các giải pháp sẵn có cho các vấn đề lập trình khác nhau.
- Tính linh hoạt: Python là ngôn ngữ lập trình đa nền tảng, cho phép người dùng chạy chương trình trên nhiều hệ điều hành khác nhau.
2.3 CÁC THUẬT TOÁN SỬ DỤNG TRONG ĐỀ TÀI2.3.1 Requests
Requests là một thư viện Python được sử dụng để tương tác với các trang webthông qua HTTP và cung cấp cho người dùng một loạt các phương thức để gửi các yêucầu HTTP và nhận phản hồi từ các trang web Nó có tính đơn giản và dễ sử dụng, cungcấp hỗ trợ cho việc xác thực và quản lý phiên làm việc, và hỗ trợ tải xuống và tải lên cáctập tin và hình ảnh từ trang web.
2.3.2 Numpy
NumPy là một thư viện Python phổ biến được sử dụng để xử lý các ma trận vàmảng số học Nó cung cấp các công cụ để thực hiện các phép toán số học và thống kê
Trang 101phức tạp trên các mảng số NumPy được tối ưu hóa để hoạt động nhanh chóng và hiệu
Trang 11quả trên các mảng số lớn và có tính tương thích cao với các thư viện khoa học dữ liệukhác trong Python NumPy cũng được sử dụng rộng rãi trong machine learning và deeplearning để tính toán trên các mảng số và ma trận.
2.3.3 BeautifulSoup
BeautifulSoup là một thư viện Python được sử dụng để phân tích cú pháp HTMLvà XML, cung cấp các công cụ để tìm kiếm và truy cập các phần tử trong tài liệu Nó cótính đơn giản và dễ sử dụng và được sử dụng rộng rãi trong lĩnh vực web scraping đểtrích xuất các dữ liệu từ các trang web
2.3.4 Pandas
Pandas là một thư viện Python phổ biến được sử dụng để phân tích và xử lý dữliệu Nó cung cấp cho người dùng các công cụ để tạo ra và quản lý các cấu trúc dữ liệu,bao gồm các DataFrame và Series, để thực hiện các phép toán số học và thống kê trên cácdữ liệu số và thực hiện các tác vụ xử lý dữ liệu Pandas được tối ưu hóa để hoạt độngnhanh chóng và hiệu quả trên các tập dữ liệu lớn và có tính tương thích cao với các thưviện khoa học dữ liệu khác trong Python.
2.3.5 RegEx
Thư viện RegEx là một công cụ rất hữu ích trong lập trình và xử lý văn bản, cungcấp các phương pháp để tìm kiếm, phân tích cú pháp và thay thế các chuỗi ký tự theo cácmẫu cú pháp khác nhau RegEx được sử dụng rộng rãi trong nhiều ngôn ngữ lập trình vàlà một phần quan trọng của các công cụ xử lý dữ liệu.
2.3.6 ViTokenizer
Thư viện ViTokenizer là một thư viện mã nguồn mở của ngôn ngữ Python, đượcsử dụng để tách từ trong văn bản tiếng Việt Nó có khả năng xử lý các trường hợp phứctạp trong tiếng Việt và được sử dụng rộng rãi trong các ứng dụng liên quan đến xử lýngôn ngữ tự nhiên bằng tiếng Việt.
2.3.7 TfidfVectorizer
Thư viện TfidfVectorizer là một thư viện mã nguồn mở của ngôn ngữ Python,được sử dụng trong xử lý ngôn ngữ tự nhiên và học máy Nó cho phép chuyển đổi các
Trang 121văn bản thành các vector số thực, dựa trên giá trị TF-IDF của các từ trong văn bản.TfidfVectorizer cung cấp các phương pháp để xử lý các văn bản, bao gồm loại bỏ stopwords, chuyển đổi các từ về dạng gốc và loại bỏ các ký tự đặc biệt Nó cũng đánh giá tầmquan trọng của các từ trong tài liệu hoặc bộ sưu tập các tài liệu, dựa trên giá trị TF-IDFcủa từ đó TfidfVectorizer được sử dụng rộng rãi trong các ứng dụng liên quan đến xử lýngôn ngữ tự nhiên và học máy, bao gồm phân loại văn bản, tóm tắt văn bản và tìm kiếmvăn bản.
2.3.8 PorterStemmer
PorterStemmer là một thư viện mã nguồn mở của ngôn ngữ Python, được sử dụngđể chuyển đổi các từ về dạng gốc của chúng bằng cách loại bỏ các hậu tố Nó có khảnăng xử lý các từ trong tiếng Anh và được tích hợp sẵn trong các thư viện xử lý ngôn ngữtự nhiên khác của Python PorterStemmer được sử dụng rộng rãi trong các ứng dụng liênquan đến xử lý ngôn ngữ tự nhiên, bao gồm phân loại văn bản, tóm tắt văn bản và tìmkiếm văn bản.
2.3.9 Stopwords
Thư viện Stopwords là một thư viện mã nguồn mở của ngôn ngữ Python, được sửdụng để loại bỏ các stop words trong các văn bản Nó cung cấp danh sách stop words chonhiều ngôn ngữ khác nhau và được tích hợp sẵn trong các thư viện xử lý ngôn ngữ tựnhiên khác của Python Stopwords được sử dụng rộng rãi trong các ứng dụng liên quanđến xử lý ngôn ngữ tự nhiên.
Trang 13CHƯƠNG 3 : MÔ HÌNH BÀI TOÁN3.1 MÔ HÌNH BÀI TOÁN
Hình 3.1 Mô hình bài toán
3.2 NÊU TỪNG BƯỚC THỰC HIỆN TRONG MÔ HÌNH
Các bước thực hiện trong mô hình :
Bước 1 : Crawl dữ diệu từ website :
Xác định URL: Chọn URL (Uniform Resource Locator) để bắt đầu crawl dữliệu.
Phân tích cấu trúc trang web: Phân tích cấu trúc của trang web để tìm kiếm cácliên kết và các thẻ HTML có chứa dữ liệu cần thu thập.
Lấy dữ liệu: Sử dụng các thư viện hoặc công cụ crawl để lấy dữ liệu từ trangweb Dữ liệu này có thể bao gồm văn bản, hình ảnh, video, âm thanh hoặc cáctệp khác.
Trang 141 Lưu trữ dữ liệu: Lưu trữ dữ liệu thu thập được vào một tệp excel để sau này có
thể truy xuất và sử dụng.
Bước 2 : Xử lý dữ liệu bằng ngôn ngữ python:
Đầu tiên xử lý dữ liệu thu thập được để tạo ra các thông tin hữu ích hoặc phântích dữ liệu.
Lặp lại quá trình: Tiếp tục crawl dữ liệu từ các trang web khác trong cùng lĩnhvực hoặc với các liên kết liên quan để thu thập thêm dữ liệu.
Thực hiện xử lý dữ liễu theo yêu cầu của giảng viện : Xóa tab HTML, xóa số;chuyển văn bản thành chữ thường; chuẩn hóa văn bản; chuyển sang dạng ngữnghĩa; xóa stopword; chuyển thành dạng vector; tìm kiếm.
Bước 3: Kiểm tra kết quả thuật toán : Xác định kết quả mong đợi
Thiết lập các thử nghiệm : thiếp lập các bộ dữ liệu khác nhau để chuẩn bị cho trường hợp khác nhau khi chạy thuật toán
Chạy thuật toán và lấy kết quả : chạy thuật toán trên thiết lập các thử nghiệm vàthu kết quả.
So sánh kết quả : so sánh kết quả thu được với kết quả mong đợi để cân nhắc vàcải thiện thuật toán.
Lặp lại quá trình : thực hiện lại các bước để tối ưu kết quả thuật toán để đảm bảo tínhtin cậy của thuật toán.
Bước 4 : kết thúc và thông báo hoàn thành
Trang 15import numpy as np import pandas as pd import attrs
import string import nltk import time import re import os import sysimport traceback
CHƯƠNG 4 : THỰC NGHIỆM4.1 Import thư viện cần thiết
Trong Python, khai báo thư viện là cách để sử dụng các tính năng mới trong chươngtrình Thư viện bao gồm các module chứa các hàm, lớp và biến để giúp thực hiện cácnhiệm vụ cụ thể trong ứng dụng của bạn Các thư viện Python cung cấp nhiều tính năngkhác nhau, bao gồm tính toán số học, xử lý chuỗi, đọc và ghi dữ liệu từ tệp, và nhiều hơnnữa Bằng cách sử dụng các hàm và lớp có sẵn trong thư viện, bạn có thể giảm thiểu thờigian và công sức cần thiết để phát triển ứng dụng.
Ngoài ra, khai báo thư viện còn giúp tăng tính tương thích của chương trình Cácthư viện được thiết kế và kiểm tra cẩn thận để đảm bảo tính ổn định và tương thích vớicác phiên bản Python khác nhau Việc sử dụng mã được kiểm tra và được sử dụng rộngrãi từ các thư viện giúp giảm thiểu các lỗi và rủi ro trong quá trình phát triển ứng dụngcủa bạn.
Trang 16Kết quả:
[nltk_data] Downloading package stopwords to /root/nltk_data [nltk_data] Unzipping corpora/stopwords.zip.
import requests as rq
# xử dụng BeautifulSoup để tách dữ liệufrom bs4 import BeautifulSoup as bs import re
# dánh sách lưu trữ thuộc tính
1import
dateutil.parser import requests as rq
from nltk.corpus import stopwords from datetime import datetime as dtnltk.download('stopwords')
from bs4 import BeautifulSoup as bsfrom pyvi import ViTokenizer
from nltk.stem import PorterStemmer
from sklearn.feature_extraction.text import TfidfVectorizerfrom sklearn.metrics.pairwise import cosine_similarity
4.2 Thu thập 1000 tin tức
Trang 17# ## #dem=0
while dem<1000:
# ## lấy link bài báo ## #r = rq.get("https://thethao247.vn/")
soup = bs(r.content, "html.parser")titles = soup.find_all('a',class_="title")# print(titles)
links = [link.attrs["href"]for link in titles]
# #
Trang 181# -Truy cập từng link bài báo và lấy ra dữ liệu -#
# #for link in links:
news = rq.get(link)
soup = bs(news.content,"html.parser")a=soup.find("h1",class_="big_title")b= soup.find("p",class_="sapo_detail")c=soup.find(class_="txt_content")d=soup.find("a",class_="relative")
# ## kiểm tra trùng khớp bài báo ## #if b!=None and a!=None and c!=None and d!=None:
title=soup.find("h1",class_="big_title").textmota=soup.find("p",class_="sapo_detail").texttheloai="THE THAO 247"
# thêm vào listlmota.append(mota)
Trang 19lnd.append(noidung) ltitle.append(title) ltheloai.append(theloai) dem=dem+1
if dem==1000: breakj=j+1
Kết quả:
https://thethao247.vn/406-doi-thu-world-cup-cua-viet-nam-thua-dau-truoc-dt-duc- d283570.html
Đối thủ World Cup của Việt Nam thua đau trước ĐT Đức 0
https://thethao247.vn/395-vua-chuyen-nhuong-xac-nhan-tan-binh-dau-tien-cap- ben-psg-mua-2023-24-d283571.html
Vua chuyển nhượng xác nhận tân binh đầu tiên cập bến PSG mùa 2023/24 1https://thethao247.vn/406-truc-tiep-binh-dinh-vs-thanh-hoa-18h00-hom-nay-08-4- d283572.html
Trực tiếp Bình Định vs Thanh Hóa, 18h00 hôm nay 08/4 2
https://thethao247.vn/448-truc-tiep-wolves-vs-chelsea-21h-ngay-8-4-thay-tuong- doi-van-d283563.html
Trực tiếp Wolves vs Chelsea, 21h ngày 8/4: Thay tướng đổi vận? 3
https://thethao247.vn/405-thu-mon-dt-viet-nam-phan-ung-la-sau-sai-lam-cua-trong- d283566.html
tai-Thủ môn ĐT Việt Nam phản ứng lạ sau sai lầm của trọng tài 4
https://thethao247.vn/436-da-ro-thoi-diem-ronaldo-20-cua-mu-tai-xuat-san-co- d283556.html
Đã rõ thời điểm 'Ronaldo 2.0' của MU tái xuất sân cỏ 5
Trang 202https://thethao247.vn/406-xuan-truong-co-dong-thai-dac-biet-quyet-chuoc-loi-
Xuân Trường có động thái đặc biệt, quyết 'chuộc lỗi' trước CAHN 6
https://thethao247.vn/448-ngoi-khong-cung-dinh-hoa-messi-hung-tron-chi-trich- cua-chu-tich-uefa-d283554.html
Ngồi không cũng dính họa, Messi hứng trọn chỉ trích của chủ tịch UEFA 7 https://thethao247.vn/403-dan-tuyen-thu-dt-viet-nam-bat-ngo-sang-han-quoc-thi- dau-d283567.html
Dàn tuyển thủ ĐT Việt Nam bất ngờ sang Hàn Quốc thi đấu 8
https://thethao247.vn/449-truc-tiep-tottenham-vs-brighton-21h00-hom-nay-8-4- d283558.html
Trực tiếp Tottenham vs Brighton, 21h00 hôm nay (8/4) 9
https://thethao247.vn/395-chu-tich-len-tieng-thuc-messi-som-chon-con-tim-hay-ly- d283569.html
tri-Chủ tịch lên tiếng thúc Messi sớm chọn con tim hay lý trí 10
https://thethao247.vn/406-vff-phan-ung-bat-ngo-sau-tinh-huong-be-coi-kho-hieu- cua-trong-tai-d283568.html
Ban trọng tài VFF: Nam Định được hưởng phạt đền là đúng 11
https://thethao247.vn/449-lampard-co-thong-ke-buon-ngay-ra-mat-chelsea-au-lo- truoc-tran-gap-wolves-d283553.html
Lampard có thống kê buồn ngày ra mắt, Chelsea âu lo trước trận gặp Wolves 12
4.3 Lưu excel vào dataframe
Để lưu dữ liệu vào các biến và xuất chúng thành một tệp Excel, chúng ta có thể sử dụng thư viện pandas trong Python Đầu tiên, ta sử dụng hàm "DataFrame()" của pandas để lưu các dữ liệu vào các biến Sau đó, ta sử dụng hàm "to_excel()" để xuất dữ liệu đó ra file Excel với định dạng.