現在網路上有大量的資料，像是商品價格、電影資訊、新聞、天氣、股票等，但這些資料通常分散在不同網站。如果能夠利用程式自動取得這些資料，再進一步整理、分析，最後用圖表呈現，就能把原本零散的網路資料轉換成更有價值的資訊。

因此，我決定利用這 30 天學習 Python 爬蟲與資料分析，從 Python 基礎開始，逐步接觸網路爬蟲、HTML 資料解析、Pandas、SQLite、資料清理以及資料視覺化。

這次的學習路線大致會是：

Python 基礎
↓
了解 HTTP / HTML
↓
Requests
↓
BeautifulSoup
↓
網路爬蟲
↓
資料清理
↓
Pandas
↓
SQLite / SQL
↓
Matplotlib / Seaborn
↓
完整資料分析專案
為什麼選擇 Python？

Python 的語法相對容易理解，而且在資料分析與網路爬蟲方面有許多成熟的套件，例如：

Requests：取得網頁資料
BeautifulSoup：解析 HTML
Pandas：資料處理與分析
Matplotlib：資料視覺化
Selenium：處理需要瀏覽器操作的網頁

因此我希望透過這次 30 天的學習，不只是學會幾個 Python 套件，而是了解一個完整的資料處理流程。

今天先做什麼？

Day 1 先把基本環境準備好。

我會使用：

Python
VS Code
Jupyter Notebook

確認 Python 可以正常執行後，也先簡單了解之後會使用到的套件。

例如：

import requests
from bs4 import BeautifulSoup
import pandas as pd

今天還不急著寫出完整的爬蟲，先把環境和學習方向建立起來。

30 天的目標

希望到了 Day 30，我可以自己完成一個小型的資料分析專案，從網站取得資料開始，經過資料整理、儲存與分析，最後製作出可以讓人看懂的圖表。

今天先從環境準備開始，下一篇正式進入 Python 基礎。