python 代码实现信息熵

要实现信息熵计算的 Python 代码，可以使用以下代码示例：

import math

def calculate_entropy(data):
    entropy = 0
    total = len(data)

    # 统计每个值的出现次数
    counts = {}
    for value in data:
        if value in counts:
            counts[value] += 1
        else:
            counts[value] = 1
    
    # 计算每个值的概率和信息熵
    for count in counts.values():
        probability = count / total
        entropy -= probability * math.log2(probability)
    
    return entropy

# 示例数据
data = [0, 1, 0, 1, 1, 0, 1, 0]

entropy = calculate_entropy(data)
print("信息熵: ", entropy)

这段代码定义了一个 `calculate_entropy` 函数，接受一个列表作为输入数据。它首先统计每个值出现的次数，然后根据出现次数计算每个值的概率，并利用信息熵公式计算信息熵。最后，返回信息熵的值。

在示例代码中，使用了一个包含 0 和 1 的列表作为示例数据。你可以根据自己的需求修改输入数据，并调用 `calculate_entropy` 函数来计算信息熵。