python實(shí)現(xiàn)信息熵的計(jì)算代碼

1、什么是信息熵?

1948年香農(nóng)提出了信息熵(Entropy)的概念。

信息理論：

1、從信息的完整性上進(jìn)行的描述:

當(dāng)系統(tǒng)的有序狀態(tài)一致時(shí)，數(shù)據(jù)越集中的地方熵值越小，數(shù)據(jù)越分散的地方熵值越大。

2、從信息的有序性上進(jìn)行的描述:

當(dāng)數(shù)據(jù)量一致時(shí)，系統(tǒng)越有序，熵值越低;系統(tǒng)越混亂或者分散，熵值越高。

“信息熵”(informationentropy)是度量樣本集合純度最常用的一種指標(biāo)。

二、python實(shí)現(xiàn)信息熵的計(jì)算代碼

1、導(dǎo)入庫(kù)

importnumpyasnp

importpandasaspd

2、準(zhǔn)備數(shù)據(jù)

data=pd.DataFrame(

{'學(xué)歷':['專(zhuān)科','專(zhuān)科','專(zhuān)科','專(zhuān)科','專(zhuān)科','本科','本科','本科','本科','本科',

'研究生','研究生','研究生','研究生','研究生'],

'婚否':['否','否','是','是','否','否','否','是','否','否','否','否','是','是','否'],

'是否有車(chē)':['否','否','否','是','否','否','否','是','是','是','是','是','否','否',

'否'],

'收入水平':['中','高','高','中','中','中','高','高','很高','很高','很高','高','高',

'很高','中'],

'類(lèi)別':['否','否','是','是','否','否','否','是','是','是','是','是','是','是','否']})

3、定義信息熵函數(shù)

#定義計(jì)算信息熵的函數(shù)：計(jì)算Infor(D)

definfor(data):

a=pd.value_counts(data)/len(data)

returnsum(np.log2(a)*a*(-1))

4、數(shù)據(jù)測(cè)試

#print(infor(data["學(xué)歷"]))#測(cè)試結(jié)果為:1.584962500721156

以上就是python實(shí)現(xiàn)信息熵的計(jì)算代碼，希望能對(duì)大家有所幫助。更多Python學(xué)習(xí)教程請(qǐng)關(guān)注IT培訓(xùn)機(jī)構(gòu):千鋒教育。