读取文件“haberman-kmes.dat”生成名为 dft 的 DataFrame，并进行 如下操作： (1) 列名为“Class”中取值分别将“negative”和“positive”替换为数字 0 和 1，并统计 0 和 1 各自出现的频数；

首先，你需要使用 pandas 库中的 read_csv() 函数读取文件，将数据存储在一个名为 dft 的 DataFrame 中：

import pandas as pd
dft = pd.read_csv('haberman-kmes.dat', sep='\s+')

然后，你可以使用 replace() 函数替换 "Class" 列中的 "negative" 和 "positive" 为 0 和 1。例如：

dft['Class'] = dft['Class'].replace({'negative': 0, 'positive': 1})

最后，你可以使用 value_counts() 函数统计 0 和 1 各自出现的频数。例如：

counts = dft['Class'].value_counts()
print(counts)

这将输出类似于这样的结果：

0    negative
1    positive

你也可以使用类似于这样的语句来统计 0 和 1 各自出现的频数：

counts = dft['Class'].value_counts(normalize=True)
print(counts)

这将输出类似于这样的结果：

0    0.5
1    0.5

这些是统计 "Class" 列中 0 和 1 各自出现的频数的基本步骤。希望这对你有帮助！