电影评论的词云
您一直在使用电影评论数据集。您已经探索了评论的分布，并了解了最长和最短的评论长度。那么，正面和负面评论各自都在说什么呢？
在本练习中，您将练习为前 100 条正面评论构建一个词云。
哪些词最突出？这些词对您来说是否合理？
字符串 descriptions 已为您准备好，它由前 100 条正面评论的描述拼接而成。一个与电影相关的停用词集合（出现频率很高、信息量不大、我们希望从图中剔除的词，如 the、a/an、and）以 my_stopwords 提供。回忆一下，interpolation 参数可以让词云显示得更平滑。
本练习是课程的一部分
Python 中的情感分析
练习说明
- 从相应的包中导入 wordcloud 函数。
- 将该函数应用于字符串
descriptions。将背景颜色设为 'white'，并修改stopwords参数。 - 创建词云图像。
- 最后，别忘了显示图像。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import the word cloud function
____
# Create and generate a word cloud image
my_cloud = ____(____='white', ____=my_stopwords).____(descriptions)
# Display the generated wordcloud image
plt.____(____, interpolation='bilinear')
plt.axis("off")
# Don't forget to show the final image
____