使用NLTK处理停用词时添加自定义词报错，如何正确添加？

我正在使用Twitter Sentiment140数据集做NLP分析，为完成文本挖掘课程的文本分析任务，需要去除无意义词汇，因此下载了NLTK的停用词数据集，代码如下：

nltk.download('stopwords')
stop=set(stopwords.words('english'))

我想移除数据集中诸如I/I'm/me这类词汇，但执行添加自定义词的代码时出现AttributeError: 'set' object has no attribute 'append'错误，我的错误代码：

list = ["I","I'm","--"]
stop.append(list)
print(stop)

请问如何正确向该停用词集合中添加新词汇？

错误原因 #

你定义的stop是集合（set）类型，而append()是列表（list）专属的方法，集合没有这个属性，所以触发报错。

正确添加方式 #

方法1：批量添加（推荐）

用集合的update()方法，直接传入自定义停用词列表，一次性完成批量添加：

custom_stopwords = ["I","I'm","--"]
stop.update(custom_stopwords)
print(stop)

方法2：单个添加

如果需要逐个添加词汇，使用集合的add()方法：

stop.add("I")
stop.add("I'm")
stop.add("--")
print(stop)

额外注意 #

• 别用list当变量名，它是Python内置的列表类型，用这个名字会覆盖内置功能，后续可能引发意外问题。
• 集合自带去重特性，要是你添加的词汇本来就在原停用词集合里，不会重复存储。

内容的提问来源于stack exchange，提问作者Ursula