1、安装所需的库：
2、导入所需的库：
3、pdfplumber`用于读取PDF文件中的文本，`pandas`用于数据操作和分析，`scikit-learn`用于文本处理和特征提取。
4、#选择你要分析的页面，这里以第一页为例
5、的方法是通过使用字典来实现。
6、统计词频：
7、page=pages[0]
8、pages=pdf.pages
9、#使用CountVectorizer将文本转换为词频矩阵
10、要在Python中统计PDF中的相关词频，你需要首先提取PDF中的文本，然后使用文本分析工具来统计词频。以下是一个简单的步骤指南：
11、X=vectorizer.fit_transform([text])
12、print(count)#输出0，因为字符串s中不存在字符'a'
13、vectorizer=CountVectorizer()
14、如果要统计字符串s中所有字符的出现次数，可以使用Python的collections模块中的Counter类。调用Counter类的构造函数时，传入一个字符串作为参数即可统计字符串中每个字符出现的次数。例如：
15、numbers=[1,2,3,4,5,2,3,6,7,8,2,3,9,10]
16、importpandasaspd
17、#获取词频矩阵中的词频数据
18、除了统计字母出现的频率，我们还可以对结果进行排序，以便找到出现次数最多的字母。
19、print(count_pairs(numbers,pair))#输出：{(2,3):2}，表示数字对(2,3)在列表中同时出现了2次
20、foriinrange(len(numbers)-1):
21、最后，我们可以按照字母的顺序打印出每个字母及其出现的次数。
22、pipinstallpdfplumberpandasscikit-learn
23、#显示词频数据
24、#使用pdfplumber打开PDF文件
25、counter=Counter(s)
26、```python
27、上面的代码中，Counter类会创建一个字典，键是字符串中的每个字符，值是该字符在字符串中出现的次数。
28、ifnumbers[i]==pair[0]andnumbers[i+1]==pair[1]:
29、s='helloworld'
30、fromcollectionsimportCounter
31、count=s.count('a')
32、_counts=pd.DataFrame(X.toarray(),columns=vectorizer.get_feature_names())
33、#初始化一个字典来保存频率
34、fromsklearn.feature_extraction.textimportCountVectorizer
35、returnfreq_dict
36、pair=(2,3)
37、freq_dict=defaultdict(int)
38、首先，我们可以遍历给定的字符串，对每个字母进行计数。
39、我们可以使用sorted()函数对字典按照值进行排序，并使用lambda函数作为排序的依据。
40、#提取页面中的文本
41、defcount_pairs(numbers,pair):
42、这样，你就可以在Python中统计PDF中的相关词频了。请注意，这个示例仅针对单个页面进行分析。如果你需要分析整个PDF文件，你需要遍历所有页面并提取它们的文本，然后合并进行分析。
43、print(counter)#输出Counter({'l':3,'o':2,'e':1,'h':1,'':1,'w':1,'r':1,'d':1})
44、例如，给定字符串"helloworld"，我们可以得到以下结果：{'h':1,'e':1,'l':3,'o':2,'w':1,'r':1,'d':1}通过遍历字符串，我们可以逐个检查每个字母。
45、然后，我们可以将每个字母作为字典的键，出现的次数作为对应的值。
46、#调用函数并打印结果
47、读取PDF文件：
48、importpdfplumber
49、将文本转换为词频矩阵：
50、这样，我们就可以统计每个字母出现的次数。
51、freq_dict[tuple(pair)]+=1
52、如果字母已经在字典中，我们将其对应的值加1；如果字母不在字典中，我们将其添加到字典，并将其对应的值设置为1。
53、#测试数据
54、withpdfplumber.open("your_pdf_file.pdf")aspdf:
55、可以使用Python中字符串的count()方法来统计一个字符出现的次数。count()方法可以接受一个字符串或字符作为参数，返回该字符串或字符在原字符串中出现的次数。例如，假设要统计字符串s中字符'a'出现的次数：
56、#遍历数字列表，检查数字对是否出现
57、print(_counts.sort_values(by="count",ascending=False))
58、text=page.extract_text()
59、fromcollectionsimportdefaultdict
60、例如，对于上面的例子，我们可以得到以下结果：[('l',3),('o',2),('d',1),('e',1),('h',1),('r',1),('w',1)]这样，我们就可以找到出现次数最多的字母，并可以进一步分析和处理文本数据。