1.from math import log 2.import operator 3.from matplotlib.font_manager import FontProperties 4.import matplotlib.pyplot as plt 5. 6.""" 7.函数说明：计算给定数据集的经验熵（香农熵） 8.Parameters： 9. dataSet：数据集 10.Returns： 11. shannonEnt：经验熵 12.Modify：

我明白了，您想了解给定数据集的经验熵，这里是代码实现：

from math import log
import operator
from matplotlib.font_manager import FontProperties
import matplotlib.pyplot as plt

""" 
函数说明：计算给定数据集的经验熵（香农熵）  
Parameters：
    dataSet：数据集  
Returns： 
    shannonEnt：经验熵 
Modify：  
"""
def calcShannonEnt(dataSet):
    numEntries = len(dataSet)  # 样本总数
    labelCounts = {}  # 存储每个标签出现的次数
    for featVec in dataSet:
        currentLabel = featVec[-1]  # 当前样本的标签
        if currentLabel not in labelCounts.keys():
            labelCounts[currentLabel] = 0
        labelCounts[currentLabel] += 1
    shannonEnt = 0.0  # 初始化经验熵
    for key in labelCounts:
        prob = float(labelCounts[key]) / numEntries  # 计算每个标签的概率
        shannonEnt -= prob * log(prob, 2)  # 计算经验熵
    return shannonEnt

以上是给定数据集的经验熵计算的实现代码。