python实现信息熵的计算代码

import numpy as np

import pandas as pd

data = pd.DataFrame(

    {'学历': ['专科', '专科', '专科', '专科', '专科', '本科', '本科', '本科', '本科', '本科',

     '研究生', '研究生', '研究生', '研究生', '研究生'],

     '婚否': ['否', '否', '是', '是', '否', '否', '否', '是', '否', '否', '否', '否', '是', '是', '否'],

     '是否有车': ['否', '否', '否', '是', '否', '否', '否', '是', '是', '是', '是', '是', '否', '否',

     '否'],

     '收入水平': ['中', '高', '高', '中', '中', '中', '高', '高', '很高', '很高', '很高', '高', '高',

     '很高', '中'],

     '类别': ['否', '否', '是', '是', '否', '否', '否', '是', '是', '是', '是', '是', '是', '是', '否']})

# 定义计算信息熵的函数：计算Infor(D)

def infor(data):

    a = pd.value_counts(data) / len(data)

    return sum(np.log2(a) * a * (-1))

# print(infor(data["学历"]))   #测试结果为: 1.584962500721156