如何删除英语和西班牙语停用词

Question

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))

Answer 1

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。

Answer 2

除了上面的答案之外，还可以尝试

stopwords.words(['english','spanish'])