python编程实现Shannon编码、Huffman编码。 手动输入信源概率分布。 输出：Shannon码、Huffman码，平均码长，编码效率。

好的，这里是手动输入信源概率分布的 Python 代码实现：

import heapq
import math

# 计算熵
def entropy(p):
    return -sum([p[i] * math.log(p[i], 2) for i in range(len(p)) if p[i] > 0])

# Shannon 编码
def shannon(p):
    n = len(p)
    code = [''] * n
    code_len = [0] * n
    for i in range(n - 1):
        for j in range(i + 1, n):
            if sum(p[i:j]) >= 0.5:
                break
        for k in range(i, j):
            code[k] += '0'
            code_len[k] += 1
        for k in range(j, n):
            code[k] += '1'
            code_len[k] += 1
    return code, code_len

# Huffman 编码
def huffman(p):
    n = len(p)
    heap = [(p[i], i) for i in range(n)]
    heapq.heapify(heap)
    nodes = [(p[i], i, None, None) for i in range(n)]
    for i in range(n - 1):
        w1, i1 = heapq.heappop(heap)
        w2, i2 = heapq.heappop(heap)
        node = (w1 + w2, n + i, i1, i2)
        nodes.append(node)
        heapq.heappush(heap, (w1 + w2, n + i))
    root = nodes[-1]
    code = [''] * n
    code_len = [0] * n
    for i in range(n):
        path = []
        node = nodes[i]
        while node[2] is not None:
            if nodes[node[2]][2] == node[3]:
                path.append('0')
            else:
                path.append('1')
            node = nodes[node[2]]
        code[i] = ''.join(reversed(path))
        code_len[i] = len(code[i])
    return code, code_len

# 手动输入信源概率分布
p = []
while True:
    s = input("请输入信源概率分布（输入空行结束）：")
    if s == "":
        break
    p.append(float(s))

# 计算 Shannon 编码和 Huffman 编码
code, code_len = shannon(p)
h_code, h_code_len = huffman(p)

# 输出结果
print("Shannon码为：", code)
print("Shannon码长度为：", code_len)
print("Huffman码为：", h_code)
print("Huffman码长度为：", h_code_len)
print("Shannon编码平均码长为：", sum([p[i] * code_len[i] for i in range(len(p))]))
print("Huffman编码平均码长为：", sum([p[i] * h_code_len[i] for i in range(len(p))]))
print("Shannon编码效率为：", entropy(p) / sum([p[i] * code_len[i] for i in range(len(p))]))
print("Huffman编码效率为：", entropy(p) / sum([p[i] * h_code_len[i] for i in range(len(p))]))

这段代码中，我们首先定义了一个计算熵的函数 `entropy`，然后分别实现了 Shannon 编码和 Huffman 编码的函数 `shannon` 和 `huffman`。在主程序中，我们通过 `input` 函数手动输入信源概率分布，并计算了 Shannon 编码和 Huffman 编码的码字、码长、平均码长和编码效率等指标。

希望这个示例代码能够帮助你完成你的编程任务。