如何用Pandas高效实现Series每行词频统计（生成字典）

我有一个Pandas DataFrame，其中包含名为spam['v2']的Series，每行都是一个句子。想要生成一个新Series，每行对应一个以单词为键、出现次数为值的字典，用来统计该行的词频。

示例说明 #

原Series内容 #

假设原Series的部分行内容如下：

Go until jurong point, crazy.. Available only in bugis n great world la e buffet... Cine there got amore wat...
Ok lar... Joking wif u oni...
Free entry in 2 a wkly comp to win FA Cup final tkts 21st May 2005. Text FA to 87121 to receive entry question(std txt rate)T&C's apply 08452810075over18's

期望生成的新Series #

每行对应词频字典，示例如下：

第一行：{'Go': 1, 'until': 1, 'jurong': 1, 'point,': 1, 'crazy..': 1, ..., 'wat...': 1}
第二行：{'Ok': 1, 'lar...': 1, 'Joking': 1, 'wif': 1, 'u': 1, 'oni...': 1}
第三行：{'Free': 1, 'entry': 2, 'in': 1, '2': 1, ..., 'over18\'s': 1}（其中"entry"出现2次，对应值为2）

现有实现代码 #

我已经通过自定义Python函数结合apply方法实现了需求，代码如下：

import pandas as pd

spam = pd.read_csv('spam.csv')

def freq(text):
    words = text.split()
    wfreq = [words.count(w) for w in words]
    return dict(zip(words, wfreq))

count = spam['v2'].apply(freq)
count = pd.Series(count)

问题 #

我希望找到更高效的实现方式，直接利用Pandas或Series的内置方法完成该任务，不需要依赖自定义的Python函数，求具体的实现方案。

内容的提问来源于stack exchange，提问作者Mubashir Ahmed Siddiqui