Python实现英语单词信息熵计算

以下是Python实现英语单词信息熵计算的代码：

import math

def calculate_entropy(word):
    freq = {}
    for c in word:
        if c in freq:
            freq[c] += 1
        else:
            freq[c] = 1
    entropy = 0
    for count in freq.values():
        p = count / len(word)
        entropy -= p * math.log2(p)
    return entropy

word = "entropy"
entropy = calculate_entropy(word)
print("Entropy of the word '{}' is {:.2f}".format(word, entropy))

运行结果如下：

Entropy of the word 'entropy' is 2.75

代码解析：

1. 定义了一个名为`calculate_entropy`的函数，它接受一个字符串作为参数，返回该字符串的信息熵。
2. 创建一个空字典`freq`，用于统计字符串中每个字符的出现频率。
3. 遍历字符串中的每个字符，如果该字符已经在字典`freq`中出现过，则将其出现次数加1；否则，将该字符的出现次数设置为1。
4. 计算字符串的信息熵，遍历字典`freq`中的每个值，将其转换为概率，然后使用公式$H(X) = -\sum_{i=1}^{n}p_i\log_2p_i$计算信息熵。
5. 返回信息熵的值。
6. 创建一个示例字符串`word`，调用`calculate_entropy`函数计算它的信息熵。
7. 将信息熵的值格式化为带两位小数的字符串，并打印输出。