Question

我正在编写一个函数，该函数将tweets的dataframe（df）作为输入。我需要标记这些推文并删除停用词，然后将此输出添加到新列中。除了numpy和pandas，我什么都不能导入。

停用词在字典中的用法如下：

stop_words_dict = {
'stopwords':[
    'where', 'done', 'if', 'before', 'll', 'very', 'keep', 'something', 'nothing', 'thereupon', 
    'may', 'why', 'â€™s', 'therefore', 'you', 'with', 'towards', 'make', 'really', 'few', 'former', 
    'during', 'mine', 'do', 'would', 'of', 'off', 'six', 'yourself', 'becoming', 'through', 
    'seeming', 'hence', 'us', 'anywhere....}

这就是我试图做的：删除停用词的功能

def stop_words_remover(df):
    stop_words = list(stop_words_dict.values())
    df["Without Stop Words"] = df["Tweets"].str.lower().str.split()
    df["Without Stop Words"] = df["Without Stop Words"].apply(lambda x: [word for word in x if word not in stop_words])
    return df

因此，如果这是我的输入：

 [@bongadlulane, please, send, an, email, to,]

这是预期的输出：

[@bongadlulane, send, email, mediadesk@eskom.c]

但是我一直返回前者而不是后者

任何见识将不胜感激。谢谢

Answer 1

您的问题在这一行：

stop_words = list(stop_words_dict.values())

这将返回停用词列表的列表

替换为：

stop_words = stop_words_dict['stopwords']

如何使用自定义停用词词典从数据框列中删除英文停用词

1 个答案: