使用sklearn库计算一个数据集中特征与标签之间的互信息，特征中既有连续变量又有离散变量

在sklearn库中，计算特征与标签之间的互信息可以使用mutual_info_classif()和mutual_info_regression()函数。其中，mutual_info_classif()用于分类问题，mutual_info_regression()用于回归问题。这两个函数都支持离散和连续变量。

以mutual_info_classif()为例，其用法如下：

from sklearn.feature_selection import mutual_info_classif

# X为特征矩阵，y为标签
mi = mutual_info_classif(X, y)

其中，X是一个n_samples×n_features的特征矩阵，y是一个长度为n_samples的标签向量。mi是一个长度为n_features的数组，表示每个特征与标签之间的互信息。

需要注意的是，mutual_info_classif()和mutual_info_regression()都要求特征和标签都是数值型的。如果数据集中包含分类变量，需要先将其转换为数值型。可以使用LabelEncoder或OneHotEncoder进行转换。