from wordcloud import WordCloud import jieba import matplotlib.pyplot as plt 配置基础文件路径信息： filename = "../task/ershoufang_jinan_utf8_clean.csv" backpicture = "../task/rose.jpg" savepicture = "济南二手房数据词云.png" fontpath = "../task/simhei.ttf" stopwords = ["null","暂无","数据","上传","照片","房本"] 步骤二：分词 通过jieba完成分词，并剔除掉不需要的停用词。 参照下面的提示补全缺失的代码： # 参照下面的提示补全缺失的代码： # 读入数据文件 # 读取背景图片 # 调用jieba进行分词，将分词结果存放在ershoufang_words中 # 从ershoufang_words列表中筛选出不在stopwords列表中的单词，并将这些单词存储在一个新列表中

补全代码如下：

# 读入数据文件
data = pd.read_csv(filename)

# 读取背景图片
background_image = plt.imread(backpicture)

# 调用jieba进行分词，将分词结果存放在ershoufang_words中
ershoufang_words = []
for text in data['text']:
    words = jieba.lcut(text)
    ershoufang_words.extend(words)

# 从ershoufang_words列表中筛选出不在stopwords列表中的单词，并将这些单词存储在一个新列表中
filtered_words = [word for word in ershoufang_words if word not in stopwords]

以上代码使用`pandas`库的`read_csv`函数读取数据文件，并使用`plt.imread`函数读取背景图片。然后，通过循环遍历数据中的文本，使用`jieba.lcut`方法进行分词，并将分词结果添加到`ershoufang_words`列表中。最后，使用列表推导式从`ershoufang_words`中筛选出不在`stopwords`列表中的单词，将这些单词存储在`filtered_words`列表中。

请确保已经正确导入所需的库（如`pandas`、`matplotlib.pyplot`、`jieba`）并正确设置了文件路径信息和停用词列表。