我正在尝试删除英语和西班牙语的停用词。我的代码适用于英语,但不适用于西班牙语:
stopword = nltk.corpus.stopwords.words('english', 'spanish')
def remove_stopwords(text):
text = [word for word in text if word not in stopword]
return text
df['Tweet_nonstop'] = df['Tweet_tokenized'].apply(lambda x: remove_stopwords(x))
要获取英语和西班牙语停用词,您可以使用以下方法:
stopword_en = nltk.corpus.stopwords.words('english')
stopword_es = nltk.corpus.stopwords.words('spanish')
stopword = stopword_en + stopword_es
来自帮助的
nltk.corpus.stopwords.words
的第二个参数不是另一种语言:
>>> help(nltk.corpus.stopwords.words)
Help on method words in module nltk.corpus.reader.wordlist:
words(fileids=None, ignore_lines_startswith='\n') method of nltk.corpus.reader.wordlist.WordListCorpusReader instance
第一个参数
fileids
可以采用多个值,因此,调用如下:
stopword = nltk.corpus.stopwords.words(fileids=('english', 'spanish'))
也按预期工作。
除了上面的答案之外,还可以尝试
stopwords.words(['english','spanish'])