Filtrando stopwords com NLTK
Remova o ruído de uma lista de tokens.
Filtrando stopwords com NLTK é uma aula grátis de NLP Academy no CoddyKit. Esta é a aula 2 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de NLP Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de NLP Academy inclui 4 aulas no total.
Partes desta aula ainda não foram traduzidas e aparecem em inglês.
Let NLTK Do the Heavy Lifting
Building your own stopword list is fine, but NLTK already ships a curated one for many languages. Let us put it to work on a token list.
Grab the Data First
NLTK keeps word lists as downloadable data. You fetch the stopwords package once, then it stays on your machine.
import nltk
nltk.download("stopwords")Load the English List
Now import the corpus and ask for English. You get back a plain list of words you can inspect or filter against.
from nltk.corpus import stopwords
stops = stopwords.words("english")
print(len(stops))Convert It to a Set
The list works, but a set makes membership checks much faster. Wrap it once and reuse it for every token.
stops = set(stopwords.words("english"))Filter With a Comprehension
A list comprehension keeps only the words that are not stopwords. This single line is the heart of stopword removal.
tokens = ["the", "quick", "brown", "fox"]
clean = [w for w in tokens if w not in stops]
print(clean)Mind the Case
The list is lowercase, so The will not match the. Lowercase your tokens first, or you will leave capitalized stopwords behind.
clean = [w for w in tokens if w.lower() not in stops]See the Difference
Before filtering you might have ten tokens; after, only the meaningful four remain. That shrink is the noise you just dropped.
Other Languages Too
NLTK is not English-only. Swap the argument to pull a stopword list for Spanish, German, French, and many more.
spanish = set(stopwords.words("spanish"))Customize the List
The list is just a set, so you can add your own domain noise to it with normal set operations before filtering.
stops.add("subject")
stops.update(["http", "www"])Or Keep a Few Back
Want to protect a word like not? Just remove it from the set so filtering never strips it out.
stops.discard("not")Filter Once, Reuse Often
Build your stops set a single time at startup, not inside a loop. Rebuilding it for every document wastes real time.
Quick Check
One detail trips up almost everyone the first time.
Recap
You can now filter tokens against NLTK stopwords: download once, build a lowercase set, and keep only words not in it. Mind the case.
Perguntas Frequentes
A aula “Filtrando stopwords com NLTK” é grátis?
Sim — o texto completo de “Filtrando stopwords com NLTK” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de NLP Academy, atualize para CoddyKit PRO. O curso de NLP Academy inclui 4 aulas no total.
O que vou aprender em “Filtrando stopwords com NLTK”?
Remova o ruído de uma lista de tokens. Você pratica NLP Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar NLP Academy?
Nenhuma experiência prévia é necessária. NLP Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 2 de 4.
Quanto tempo leva a aula “Filtrando stopwords com NLTK”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de NLP Academy?
Sim. Cada aula de NLP Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- O que são stopwords?
- Filtrando stopwords com NLTK
- Removendo pontuação e símbolos
- Criando uma função reutilizável para limpar texto