用str.split()和explode()可将分词list展开为一维Series以支持value_counts()统计，中文需先用jieba分词再explode，注意清洗、去停用词及缓存展开结果提升效率。
用 str.split() + explode() 快速展开分词结果
分词后通常是 list 类型（比如 ["苹果", "香蕉", "苹果"]），但 Pandas 的统计方法（如 value_counts()）只认一维 Series。直接对含 list 的列调用 value_counts() 会报错：TypeError: unhashable type: 'list'。
正确做法是先用 str.split()（若原始是字符串）或直接赋值 list 列，再用 explode() 展开：
df["words"] = df["text"].str.split() # 假设按空格分词 word_series = df["words"].explode().dropna()
explode() 会把每个 list 元素变成独立行，dropna() 防止空 list 或 NaN 导致的 null 行干扰统计。
调用 value_counts() 前注意参数取舍
value_counts() 默认排序降序、不归一化、不包含 NaN——这通常符合词频需求，但几个关键参数容易被忽略：
立即学习“Python免费学习笔记（深入）”；
-
normalize=False：保持原始频次（整数），别误开成True得到比例 -
sort=True：默认已开启，若需保留原始出现顺序（如按文档顺序统计），得设为False并配合groupby().size() -
dropna=True：默认行为，确保空字符串或 None 不混入结果；若分词后有意保留空项，需显式设为False
最简统计写法：
word_freq = word_series.value_counts()
处理中文分词结果时要避开 str.split() 的坑
中文没空格，直接用 str.split() 会把整句当一个词。必须先用第三方库（如 jieba）分好词，再塞进 DataFrame：
import jieba df["words"] = df["text"].apply(lambda x: list(jieba.cut(x))) # 返回 list word_series = df["words"].explode().dropna()
常见错误：
- 忘记
list()包裹jieba.cut()结果 → 得到 generator，explode()无法处理 - 没去标点/停用词 → “的”“了”高频但无意义，建议在
apply中一并过滤 - 未统一编码或含不可见字符（如 \u3000、\xa0）→ 分词后产生异常 token，建议提前
.str.replace()清洗
性能敏感场景下避免链式操作重复计算
如果后续还要做 TF-IDF 或共现分析，反复调用 explode() + value_counts() 效率低。推荐一次性展开并缓存：
expanded = df[["id", "words"]].explode("words").dropna()
expanded["words"] = expanded["words"].str.strip() # 清空格
word_freq = expanded["words"].value_counts()这样 expanded 可复用，也方便加条件筛选（如只统计长度 ≥2 的词）：
word_freq = expanded.query('words.str.len() >= 2')["words"].value_counts()真正麻烦的不是语法，而是分词质量本身——停用词表是否适配领域、专有名词有没有被切碎、繁简体是否统一，这些不会报错，但会让 value_counts() 统计出一堆无效高频词。
