wordfreq: DataFrame = pd.DataFrame(list(zip(word_dict.keys(), word_dict.values())), columns=['word', 'freq']) wordfreq.to_excel("wordfreq.xlsx",index=False) data["cutted_content"] = data.content.apply(wordfreq)报错，提示)pandas.errors.SpecificationError: nested renamer is not supported错误怎么修改，用的是nltk

这个错误出现的原因是因为在应用`wordfreq`函数时，`apply()`方法不能正确地处理函数返回的DataFrame对象。为了解决这个问题，您可以使用`apply()`方法的另一种形式，即`apply()`方法的参数`result_type='expand'`。这将使`apply()`方法返回一个包含DataFrame对象的数据帧，而不是一个包含Series对象的数据帧。

以下是相应的修改，您可以试试看：

def wordfreq(content):
    word_dict = {}
    cutted_content = jieba.cut(content)
    for word in cutted_content:
        if word in word_dict:
            word_dict[word] += 1
        else:
            word_dict[word] = 1
    return pd.DataFrame(list(zip(word_dict.keys(), word_dict.values())), columns=['word', 'freq'])

data["cutted_content"] = data.content.apply(wordfreq)
wordfreq = pd.concat([sub_df for sub_df in data['cutted_content']], ignore_index=True)
wordfreq.to_excel("wordfreq.xlsx", index=False)

这个修改将`wordfreq`函数定义在了apply()方法之外，并修改了返回的数据帧的形式。然后，您可以使用`pd.concat()`方法将所有的DataFrame对象合并为一个数据帧，并将其保存到Excel文件中。

希望这个修改可以帮到您。