能否提供一份用于读取企业年报文本、提取关键词并统计词频的Python代码示例？

当然可以。要实现这个功能，我们可以使用Python的一些自然语言处理库，如`nltk`（自然语言工具包）进行分词和词频统计，以及`pandas`进行数据处理。以下是一个简单的示例代码：

import nltk
from nltk.corpus import stopwords
from collections import Counter
import pandas as pd

# 读取文本文件（假设年报存储在一个名为'annual_report.txt'的文件中）
def read_text(file_path):
    with open(file_path, 'r', encoding='utf-8') as file:
        text = file.read()
    return text

# 分词和停用词移除
def tokenize_and_remove_stopwords(text):
    # 下载nltk停用词，如果没有下载过
    nltk.download('stopwords')
    stop_words = set(stopwords.words('english'))
    
    # 分词
    words = nltk.word_tokenize(text)
    
    # 移除停用词
    filtered_words = [word for word in words if word.lower() not in stop_words]
    return filtered_words

# 提取关键词并统计词频
def extract_keywords(text):
    tokenized_words = tokenize_and_remove_stopwords(text)
    frequency = Counter(tokenized_words)
    return frequency.most_common(10)  # 取最常见的10个关键词

# 使用Pandas将结果转换为DataFrame以便于显示
def display_results(keywords):
    df_keywords = pd.DataFrame.from_records([(word[0], word[1]) for word in keywords],
                                            columns=['Keyword', 'Frequency'])
    print(df_keywords)

if __name__ == "__main__":
    file_path = "annual_report.txt"
    annual_report_text = read_text(file_path)
    top_keywords = extract_keywords(annual_report_text)
    display_results(top_keywords)

在这个例子中，你需要先确保你的文本文件（年度报告）是在项目目录下或者提供了正确的路径。运行这段代码后，它会返回文本中最常见的10个非停用词。