如何使用Python的wordcloud包统计总词数及指定词在DataFrame中的出现次数

WordCloud 对象的 .words_ 属性返回的是归一化相对词频，不是原始计数：所有值为「当前词出现次数 / 全量最高频词的出现次数」，因此最高频词的返回值固定为1.0，其余值均落在0~1区间，无法直接从这个属性计算总词汇量、特定词汇的真实出现次数。

方案1：复用WordCloud内置统计逻辑（与词云统计口径完全一致） #

WordCloud生成词云时内部已经完成了分词、停用词过滤、词组规则匹配（对应你设置的collocations=False参数）、大小写转换全流程预处理，直接调用内置的process_text()方法即可拿到原始词频计数，不需要重复写预处理逻辑，结果和词云实际使用的统计值完全对齐。

# 获取预处理后的原始词频字典：key为词汇，value为真实出现次数
raw_word_freq = wordcloud1_EN.process_text(text1)

# 统计词云口径下的所有有效词汇总出现次数
total_words = sum(raw_word_freq.values())

# 查询特定词汇的真实出现次数，以查询cut为例
target_word_count = raw_word_freq.get("cut", 0)
# 不存在对应词汇时默认返回0

方案2：统计DataFrame字段内的特定词汇出现次数 #

如果需要单独统计DataFrame某文本列的词汇出现次数，可直接按列计算，注意提前对齐预处理规则避免结果偏差。假设你的文本存储在df的content列：

# 统计全列中目标词cut的整词出现次数
target_word = "cut"
# 正则\b为单词边界，避免匹配到cutting、shortcut等包含cut的长词，不需要整词匹配可删除
target_total = df["content"].str.count(fr"\b{target_word}\b").sum()

注意：如果DataFrame统计前没有做和WordCloud一致的停用词过滤、特殊字符清洗、大小写转换，统计结果会和词云展示的词频存在差异，需要对齐口径优先使用方案1。

内容的提问来源于stack exchange，提问作者tassaneel