如何用Python移除仅含停用词的Pandas单元格内容

你原来的代码会移除单元格里所有停用词，但现在要实现的是只清空那些完全由停用词组成的单元格——比如单元格内容是"the and"就删掉，要是"the apple"就保留原内容。下面是修改后的代码，每一步都加了注释，方便你理解：

import nltk
from nltk.corpus import stopwords
import pandas as pd

# 下载英文停用词库（只需要运行一次，之后可以注释掉）
nltk.download('stopwords')
# 把停用词转成集合，查询速度更快
stop_words = set(stopwords.words('english'))

# 读取csv文件，和你原来的操作一致
df = pd.read_csv('my-file.csv', sep=',', engine='python')

# 定义一个函数，用来判断单元格是否全是停用词
def filter_stopword_only_cells(text):
    # 先处理空值情况，避免报错
    if pd.isna(text):
        return text
    # 把文本按空格拆分成单词列表，同时过滤掉空字符串（比如多个空格产生的空元素）
    words = [word.strip() for word in text.split() if word.strip()]
    # 如果拆分后没有单词，直接返回原内容（或者空值，看你需求）
    if not words:
        return text
    # 检查所有单词是不是都在停用词集合里（转小写是为了匹配停用词库的格式）
    all_stopwords = all(word.lower() in stop_words for word in words)
    # 如果全是停用词，返回空字符串；否则返回原文本
    return "" if all_stopwords else text

# 把函数应用到目标列上
df["English term"] = df["English term"].apply(filter_stopword_only_cells)

关键说明： #

• 把stop_words转成集合set()是因为集合的查询速度比列表快很多，数据量大的时候更高效
• 函数里先处理了空值和空字符串的情况，避免运行时报错
• 用all()函数判断所有单词是否都是停用词，只要有一个不是就保留原内容
• 最后返回空字符串，你也可以改成pd.NA，后续方便用dropna()删除这些空行

内容的提问来源于stack exchange，提问作者Watheq Alshowaiter