编写一个 Python 程序，读取data.txt文件中的文本，对进行分词，统计频率最高的前100个，结果输出到result.csv文件中。

可以使用Python的第三方库jieba实现中文分词，使用collections库中的Counter函数实现词频统计，最后使用pandas库将结果输出到CSV文件中。

代码如下：

import jieba
from collections import Counter
import pandas as pd

# 读取文件内容
with open('data.txt', 'r', encoding='utf-8') as f:
    text = f.read()

# 对文本进行分词
words = jieba.cut(text)

# 统计词频
freq = Counter(words)

# 取出前100个高频词
top100 = freq.most_common(100)

# 将结果输出到CSV文件中
df = pd.DataFrame(top100, columns=['word', 'count'])
df.to_csv('result.csv', index=False, encoding='utf-8')

其中，使用`jieba.cut()`函数对文本进行分词，返回一个可迭代的生成器对象。然后使用`collections.Counter()`函数对分词结果进行统计，返回一个字典对象，其中键为词汇，值为出现次数。使用`Counter.most_common()`方法可以返回按照频率从高到低排序的元组列表，然后取出前100个高频词。最后使用`pandas.DataFrame()`函数将结果转换为DataFrame对象，使用`DataFrame.to_csv()`方法将结果输出到CSV文件中。