python/pandas 计算 数值 信息熵值

Question

想计算信息熵值，结果 output的是 nan
问题准备：
图为sheet_new dataframe 格式

举例：
若某甲仅在一家药店留有购药记录，其信息熵值为0，因其p=1。
若某甲在不同药店的购药金额为[10,30,60]，其信息熵值为
'''-(0.1 * np.log2(0.1) + 0.3 * np.log2(0.3) + 0.6 * np.log2(0.6))'''，即1.295461844238322。

思路：

#想计算每一个 Buyer 的信息熵值
#想定义 信息熵值
def infor(sheet_new):
    a = sheet_new.values / 100
    return sum(np.log2(a) * a * (-1))

#尝试计算BID0001 的信息熵值
print(infor(sheet_new.BID0001))
#输出结果为   nan 并有警告 但没报错

可能我的思路有误
希望大家帮忙解答
谢谢！

Answer 1

所谓信息熵描述了信息源各可能事件发生的不确定性。试想若某人仅在一家药店购药，则他的行为是确定的；而若在多家药店购药，则存在一定的不确定性，需要通过博主上面给出的公式计算。以上就是对这道题的理解。

解题思路：
首先，判断每一个buyer（BID00i）是否在一家药店购药，也就是是判断每一列的非零值是否不唯一；
第二，若buyer仅在一家药店购药，则范围信息熵值为0；
第三，若buyer在多家药店购药，则按上述公式计算。给一个简单的编程思路：首先循环遍历每列，把非零值找出来，代入np.log2(a) * a * (-1)计算，然后将本列所有计算好的值求sum，即为该列对应的buyer的信息熵值。