DataFrame 列上的停用詞

Question

我正在清理一個 excel 文件，以便可以在 PowerBi 上展示它。 我想消除特定列的停用詞，這是我正在使用的代碼，但它似乎有問題。 我需要消除的停用詞是西班牙語。

另外我正在更換 . 和 , 用於拆分列並分析信息的空間，如果您知道更簡單的方法，請告訴我。

import nlkt
from nltk.corpus import stopwords
stop = stopwords.words('spanish')
df['Producto'] = df['Producto'].apply(lambda x: ' '.join([word for word in x.split() if word not in (stop)]))

df["Producto"] = df["Producto"].str.replace(",","")
df["Producto"] = df["Producto"].str.replace(".","")

df = df["Producto"].str.split(" ", expand = True)
print (df)

Answer 1

這是一個快速的方法。 我用一些示例數據重新創建了一個數據框：

import re
import nltk
from nltk.corpus import stopwords

pattern = re.compile(r'\b(' + r'|'.join(stopwords.words('spanish')) + r')\b\s*')
df_temp = pd.DataFrame({'Words': ["Uno", "Dos", "Tres", "Other", "los"]})
df_temp['Words'] = df_temp['Words'].map(lambda x: pattern.sub('', str(x)))

df_temp 的輸出：

Words
0   Uno
1   Dos
2   Tres
3   Other
4