用python画出excel表格最后30行的第五列到第四十四列每一列“随着行数递增”信息熵值的变化曲线

首先，我们需要安装以下库：

- pandas：用于读取和处理 Excel 表格数据
- matplotlib：用于画图

在安装完库之后，我们可以按照以下步骤进行操作：

1. 读取 Excel 表格数据

import pandas as pd

# 读取 Excel 表格数据
df = pd.read_excel("example.xlsx")

这里我们假设 Excel 表格的文件名为 "example.xlsx"。

2. 计算信息熵值

import math

# 定义计算信息熵值的函数
def entropy(values):
    total = sum(values)
    entropy = 0
    for value in values:
        if value == 0:
            continue
        probability = value / total
        entropy -= probability * math.log2(probability)
    return entropy

# 计算信息熵值
entropies = []
for i in range(len(df.index) - 30, len(df.index)):
    row = df.iloc[i, 4:44]
    values = row.tolist()
    entropies.append(entropy(values))

这里我们定义了一个计算信息熵值的函数 `entropy`，然后使用循环计算最后 30 行的信息熵值，并将结果保存在列表 `entropies` 中。

3. 画图

import matplotlib.pyplot as plt

# 画图
plt.plot(entropies)
plt.xlabel("Row")
plt.ylabel("Entropy")
plt.show()

最后，我们使用 matplotlib 库画出信息熵值随着行数递增的变化曲线。

完整代码如下：

import pandas as pd
import math
import matplotlib.pyplot as plt

# 读取 Excel 表格数据
df = pd.read_excel("example.xlsx")

# 定义计算信息熵值的函数
def entropy(values):
    total = sum(values)
    entropy = 0
    for value in values:
        if value == 0:
            continue
        probability = value / total
        entropy -= probability * math.log2(probability)
    return entropy

# 计算信息熵值
entropies = []
for i in range(len(df.index) - 30, len(df.index)):
    row = df.iloc[i, 4:44]
    values = row.tolist()
    entropies.append(entropy(values))

# 画图
plt.plot(entropies)
plt.xlabel("Row")
plt.ylabel("Entropy")
plt.show()