如何基于Flask实现CSV上传的分组词频统计

核心结论：无需强行构建独立统计结果DataFrame对接模板，完全可以复用你在Jupyter中跑通的统计逻辑，顺着现有Flask的上传、读取、渲染链路无缝迁移，开发量极低。

1. 逻辑抽离：把Notebook代码改成可复用的纯函数 #

直接把你在Jupyter里调试好的统计逻辑摘出来，做成一个接收完整pandas DataFrame为入参的独立函数，不需要重写逻辑：

• 函数内保留原有全部处理流程：遍历variable1列所有唯一值、按分类过滤comms_clean列文本、按空格分词、用Counter取每个分类的Top3高频词及对应计数、同步计算每个分类的总样本量
• 函数直接返回结构化的列表嵌套字典结构即可，不需要刻意转成DataFrame，示例返回结构：

  # 结构可直接传给Flask模板，无需二次转换
  [
      {
          "category": "分类1",
          "sample_count": 156,
          "top3_words": [("订单", 42), ("退款", 27), ("物流", 19)]
      }
  ]
  > 补充说明：只有后续需要实现“统计结果CSV下载”功能时，才需要把这个结构转成DataFrame；纯页面渲染的场景下转DataFrame反而增加冗余格式转换步骤，完全没有必要。
  
  

2. 流程对接：嵌入现有app.py的请求处理链路 #

不需要修改你已经写好的文件格式校验、按;分隔符读取CSV、解析表头、生成head()预览的逻辑：

• 在代码走到“成功读取完整CSV为DataFrame”的节点后，直接调用刚才抽离的统计函数，把返回的结构化结果存入变量
• 把这个统计结果变量和原有传给模板的CSV表头、预览数据参数一起，传入render_template()即可，和现有预览内容的传参逻辑完全一致。

3. 模板适配：在index.html中增加统计结果渲染区块 #

不需要改动现有已完成的CSV预览、表头渲染代码，直接在预览区块下方新增统计结果的展示模块即可：

• 循环遍历后端传过来的分类统计列表
• 每个分类展示3项核心信息：分类名称、总样本量、Top3高频词及对应计数
• 取值逻辑和你现在渲染CSV表头、预览行的写法完全一致，没有额外的模板语法学习成本。

实操注意事项 #

• 统计逻辑全部放在后端Python函数中，不要把数据处理逻辑写到HTML模板的语法里，保持前后端职责分离
• 读入CSV后先给comms_clean列做空值填充（比如df['comms_clean'] = df['comms_clean'].fillna('')），避免空值参与分词时触发属性报错
• 初期不需要单独做统计结果页面，直接把统计结果和CSV预览放在同一个页面渲染，用户上传文件后即可一次性看到全部内容，交互路径最短。

内容的提问来源于stack exchange，提问作者Mithos