Data analysis
練習專案四：找出章魚里 4
成品介紹
這是一個透過 餘弦相似度 與選舉投票數據，找出全台最像「天玉里」的專案。
利用 pandas、sqlite3 進行資料處理，並用 gradio 做出互動式成品，最後將成品部署在 Hugging Face Demo 上展示。
專案紀錄與進程
以下為本專案從資料清理到視覺化的完整實作記錄，包含每階段的筆記與驗證過程：
- 資料分析的七個練習專案：累積個人作品集：參考資料
- 數據清理過程：資料檢視與基礎清理
- 概念驗證：視覺化圖表驗證與可行性測試
- GitHub 原始碼：包含資料處理與圖表繪製程式碼
成果展示
- 找出的最相似里：南投縣 草屯鎮 中山里
- 相似程度：
0.999998 - 天玉里實際排名：2482 僅屬中上程度。
分析流程
- 資料蒐集
- CEC「總統候選人得票數一覽表」22 份試算表
- 資料清理與建庫
- 轉換為 SQLite 資料庫：
taiwan_presidential_election_2024.db
- 轉換為 SQLite 資料庫：
- 相似度計算
- 餘弦相似度公式：
cosine similarity = (A · B) / (||A||·||B||)
- 餘弦相似度公式：
- 互動式展示
- Gradio App 部署於 Hugging Face Space
靜態圖表補充
- 前 15 名相似里 vs 天玉里排名（2482）
可以看到天玉里實際排名第 2482，前 15 名的相似度皆在 0.99996 以上，差距極小，但天玉里落後許多，驗證了『名不符實』的結果。
個人反思、心得
在這次專案中，第一次接觸到 餘弦相似度，學會如何用向量比較資料的相似性。同時學習 資料庫正規化 的概念與實作方法，並體會到 以數據為導向的思考邏輯，能用資料而非直覺來驗證想法。此外，頭一次透過 Hugging Face Spaces 與 Gradio，學會新的展示與部屬方式，整體是一個有趣的練習。這次練習讓我體會到相似度分析不只可以應用在選舉數據，未來也能延伸到使用者行為分析、商品推薦等場景。
- 學到的重點：
- 餘弦相似度的實務應用
- 資料庫正規化的重要性
- 如何將分析結果做成互動式
專案復原
語言與模組
- dependencies：
- python 3.12.11
- pandas 2.3.1
- numpy 1.26.4
- gradio 5.43.1
匯出 environment.yml
目的重現專案環境。
conda env export -n taiwan_presidential_election_2024 > environment.yml
如何重現
- 安裝 Miniconda
- 依據
environment.yml建立環境：conda env create -f environment.yml - 將
data/資料夾中的「總統-A05-4-候選人得票數一覽表-各投開票所」22 個試算表檔案放到專案資料夾的data/資料夾中 - 啟動環境並執行
python create_taiwan_presidential_election_2024_db.py就能在 data/ 資料夾中建立taiwan_presidential_election_2024.db - 啟動環境並執行
python app.py並前往http://127.0.0.1:7860瀏覽成品。