我的 WordCloud 缺少单词末尾的字母 's'

Question

起初我以为问题出在我的数据上，我在清理数据时犯了一个错误。但是我检查了它，事实并非如此。

我正在使用此代码：

import matplotlib.pyplot as plt
plt.style.use('fivethirtyeight')

allWords = ' '.join([twts for twts in df['full_text']])
wordCloud = WordCloud(collocations=True, width = 1000,
height=600, random_state = 21, max_font_size = 120).generate(allWords)

plt.imshow(wordCloud, interpolation = "bilinear")
plt.axis('off')
plt.show()

现在我的 wordcloud 会显示诸如“coronaviru”、“viru”、“crisi”之类的词。使用collocations=True 它会显示完整的词以及其他词，例如“coronavirus case”“coronavirus 大流行”。 有谁知道如何解决这一问题？ 就像我说的那样，我检查了数据，那里总是正确的完整单词。所以我猜这个错误发生在 wordcloud 上。

我的数据如下所示：

    created_at                        id                full_text
0   Sat Aug 01 00:25:53 +0000 2020    28934685093219    life is hard with coronavirus
1   Sat Aug 01 00:25:53 +0000 2020    28934685093219    coronavirus sucks

Answer 1

您需要更改 WordCloud 函数中的一个参数：normalize_plurals=False。 参考：https://amueller.github.io/word_cloud/generated/wordcloud.WordCloud.html

normalize_plurals：布尔值，默认 = True。是否去除尾随的‘s’ 从词。如果 True 并且出现一个带有和不带尾随的单词 's'，带有尾随's'的那个被删除，它的计数被添加到 没有尾随“s”的版本——除非单词以“ss”结尾。 如果使用 generate_from_frequencies 则忽略。

Answer 2

你做错了，你的代码对我有用：

import pandas as pd
import matplotlib.pyplot as plt
from wordcloud import WordCloud

array = {'full_text': ['life is hard with coronavirus', 'coronavirus sucks']}
df = pd.DataFrame(array)

plt.style.use('fivethirtyeight')
allWords = ' '.join([twts for twts in df['full_text']])
wordCloud = WordCloud(collocations=True, width = 1000,
height=600, random_state = 21, max_font_size = 120).generate(allWords)

plt.imshow(wordCloud, interpolation = "bilinear")
plt.axis('off')
plt.show()

这是输出：