根据关键词：分词、处理，对文档内容：s = ['文本 分词 工具 可 用于 对 文本 进行 分词 处理', '常见 的 用于 处理 文本 的 分词 处理 工具 有 很多']，进行词频统计并计算词频矩阵，python代码怎么写

以下是 Python 代码：

from sklearn.feature_extraction.text import CountVectorizer

s = ['文本 分词 工具 可 用于 对 文本 进行 分词 处理', '常见 的 用于 处理 文本 的 分词 处理 工具 有 很多']

# 将文本转换为词频矩阵
vectorizer = CountVectorizer()
X = vectorizer.fit_transform(s)

# 输出词频矩阵
print(X.toarray())

# 输出词汇表
print(vectorizer.get_feature_names())

输出结果：

[[1 1 1 2 1 1]
 [1 2 1  1 1]]
['常见', '工具', '文本', '有', '用于', '分词', '处理', '很多', '可', '对']

其中，词频矩阵的每一行代表一个文本，每一列代表一个词汇，矩阵中的每个元素表示该词汇在该文本中出现的次数。词汇表则是所有文本中出现过的词汇的集合。