请分别用python自己编写出计算排列熵算法和EntropyHub实现排列熵，请给我完整代码

排列熵（Permutation Entropy），也称为序列熵，是一个描述时间序列复杂度的统计量。在Python中，我们可以直接编写算法来计算这个值，这里提供一个简单的自定义版本。然而，如果你想要使用成熟的库如`EntropyHub`，则需要先安装它。以下是两个版本的代码：

**手动计算排列熵（Python 自定义版）：**

import numpy as np

def permutation_entropy(sequence, m=3, tau=1):
    # 将连续τ个元素视为一个单元
    embedded_sequences = [sequence[i:i+tau] for i in range(len(sequence) - tau)]
    
    # 计算所有可能排列的数量
    num_sequences = len(embedded_sequences)
    unique_permutations = set(tuple(sorted(seq)) for seq in embedded_sequences)

    # 计算每个排列出现的频率
    freqs = {perm: embedded_sequences.count(perm) / num_sequences for perm in unique_permutations}
    
    # 排列熵的倒数作为结果，因为通常使用的是log基m排列熵
    return 1 / (np.log(m) * np.sum(freqs.values()))

# 示例用法
sequence = [1, 2, 3, 4, 5, 6]
entropy = permutation_entropy(sequence)

**使用EntropyHub实现排列熵（假设已经安装了`EntropyHub`）：**

from entropy_hub import PermutationEntropy

# 导入必要的模块并初始化排列熵计算
pe = PermutationEntropy()

# 使用EntropyHub计算排列熵
sequence = [1, 2, 3, 4, 5, 6]
entropy_hub = pe.compute_perplexity(sequence, method='permutation', m=3, tau=1)

注意：在实际应用中，`EntropyHub`可能需要通过pip安装`entropy_hub`库（如果还没有安装的话）。记得导入适当的模块，并确认库已正确连接到网络。