如何在Python中忽略单词云中的一些单词？

在Python3和Pandas中，我有一个程序可以从一个列生成单词cloud：

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

autores_atuais = pd.read_csv("deputados_autores_projetos.csv", sep=',',encoding = 'utf-8', converters={'IdAutor': lambda x: str(x), 'IdDocumento': lambda x: str(x), 'CodOriginalidade': lambda x: str(x), 'IdNatureza': lambda x: str(x), 'NroLegislativo': lambda x: str(x)})

autores_atuais.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 6632 entries, 74057 to 84859
Data columns (total 10 columns):
IdAutor             6632 non-null object
IdDocumento         6632 non-null object
NomeAutor           6632 non-null object
AnoLegislativo      6632 non-null object
CodOriginalidade    5295 non-null object
DtEntradaSistema    6632 non-null object
DtPublicacao        6632 non-null object
Ementa              6632 non-null object
IdNatureza          6632 non-null object
NroLegislativo      6632 non-null object
dtypes: object(10)
memory usage: 569.9+ KB


wordcloud = WordCloud().generate(' '.join(autores_atuais['Ementa']))
plt.imshow(wordcloud)
plt.axis("off")
plt.show()

将熊猫作为pd导入
将numpy作为np导入
从wordcloud导入wordcloud
将matplotlib.pyplot作为plt导入
autores_atuais=pd.read_csv（“deputados_autores_projetos.csv”，sep='，encoding='utf-8'，converters={'IdAutor'：lambda x:str（x），'IdDocumento'：lambda x:str（x），'CodOriginalidade'：lambda x:str（x），'IdNatureza'：lambda x:str（x），'nrolegistivo'：lambda x:str（x）}）
autores_atuais.info（）
INT64索引：6632条，74057至84859
数据列（共10列）：
IdAutor 6632非空对象
IdDocumento 6632非空对象
NomeAutor 6632非空对象
AnoLegivivo 6632非空对象
CodOriginalidade 5295非空对象
DtEntradaSistema 6632非空对象
DtPublicacao 6632非空对象
Elementa 6632非空对象
IdNatureza 6632非空对象
NroLegislativo 6632非空对象
数据类型：对象（10）
内存使用率：569.9+KB
wordcloud=wordcloud（）.generate（“”.join（autores_atuais['Ementa']））
plt.imshow（wordcloud）
plt.轴（“关闭”）
plt.show（）

拜托，我怎么能忽略云端的一些话呢？例如，小词（“de”、“ao”）和某些词（“Estado”）

我认为需要使用

~

作为反向条件，使用按单词长度过滤的单词列表，必要时使用

作为链条件：

autores_atuais = pd.DataFrame({'Ementa':['Estado','another','be','de','def','bax']})

print (autores_atuais)
    Ementa
0   Estado
1  another
2       be
3       de
4      def
5      bax

m1 = autores_atuais['Ementa'].isin(['Estado','another','next'])
m2 = autores_atuais['Ementa'].str.len() < 3

s = autores_atuais.loc[~(m1 | m2), 'Ementa']
print (s)
4    def
5    bax
Name: Ementa, dtype: object

要删除短单词（例如，2个或更少），可以使用

autores_atuais = autores_atuais[autores_atuais.Ementa.str.len() <= 2]

autores_atuais = autores_atuais[~autores_atuais.Ementa.isin(restricted)]

---

我想你在用阿穆勒的模块？如果是，则有一个

stopwords

参数，允许您指定包含要排除的单词的文件

例如，如果您创建一个名为

stopwords.txt的文本文件，并将其保存在与csv文件相同的文件夹中，其中包含：

de
ao
Estado

然后更改为：

wordcloud = WordCloud(stopwords='stopwords.txt').generate(' '.join(autores_atuais['Ementa']))
plt.imshow(wordcloud)
plt.axis("off")
plt.show()

应该正确地排除这些词。要排除的默认单词集包含在模块文件夹中，应称为
stopwords
。如果您经常遇到相同的问题，在此处修改此默认文件可能会有所帮助。
谢谢。但是，通过这种方式，生成的单词cloud是使用列的名称创建的，而不是使用列“Ementa”的单词。看起来m1和m2将所有包含这些单词的行从dataframe@ReinaldoChaves-你说得对，只需修改答案。再次感谢。我这样做了：m1=~autoresèu atuais['Ementa'].isin（['Constituièo'，'Dispèe'，'Constituièo'，'artigo']）m2=autoresèu atuais['Ementa'].str len（）>=2sobra=autoresèu atuais.loc[m1&m2，'Ementa']您还可以从
nltk
包导入一个停止字列表。他们有许多可用语言的停止词列表。如果您只想使用stopwords，那么nltk包可能会有些过分，但是如果您将它用于其他目的，那么它可能会很有用。谢谢@asongtoruin。但一些词语继续出现。司令部似乎明白，当某些单词与其他单词组合在一起时，它们必须被计算，或者它们的组合使它们不同（如“da consticião”、“do Estado”、“consticião do”）。这些是巴西葡萄牙语的单词。可能是这样吗？对不起，我现在已经看到你的评论了
wordcloud = WordCloud(stopwords='stopwords.txt').generate(' '.join(autores_atuais['Ementa']))
plt.imshow(wordcloud)
plt.axis("off")
plt.show()