从 Python 中的字符串列中删除停用词

Question

我正在做一个项目来阅读文本并预测结果。作为清理数据的一部分，我试图删除所有停用词。当我尝试这样做时，我需要输出为数据帧格式，但我在那里遇到了问题。

所以，经过多次清理后，我得到了如下所示的数据。

标签位于我必须合并的不同数据框中，但这不是重点。

我现在要做的是从每行的每个字符串中删除所有停用词。

经过一番研究，我使用的代码如下所示：

import nltk
from nltk.corpus import stopwords
nltk.download('stopwords')
stop_words = set(stopwords.words('english'))
ht_comments_only_no_stop['All_Comments'] = ht_comments_only_summary['All_Comments'].apply(lambda x: [item for item in x if item not in stop_words])

ht_cmets_only_summary 基本上就是您在上面第一张图片中看到的内容。

问题是，现在当我尝试查看“ht_cmets_only_no_stop”时，我看到了：

但我需要的是输出看起来像数据帧格式的第一张图片减去“All_Comments”列下的所有停用词。

任何帮助将不胜感激。

Answer 1

好的，我想通了。

首先，有一个不同的问题是我需要将字符串分解为单词列表。

然后我可以成功删除停用词。

最后我能够将输出转换回数据帧。

最好的