如何从NP直方图计算熵

问题描述：

mu1 = 10, sigma1 = 10 
s1 = np.random.normal(mu1, sigma1, 100000)

和计算

hist1 = np.histogram(s1, bins=50, range=(-10,10), density=True) 
for i in hist1[0]: 
    ent = -sum(i * log(abs(i))) 
print (ent)

现在我想找到从给定的直方图阵列熵，但由于np.histogram返回两个数组，我在计算熵时遇到了麻烦。我怎样才能调用np.histogram的第一个数组并计算熵？即使我上面的代码是正确的，我也会得到熵的数学域错误。 :(

**编辑：如何找到熵当穆= 0和log（0）产生数学域误差

所以我尝试写实际的代码是什么？？

mu1, sigma1 = 0, 1 
mu2, sigma2 = 10, 1 
s1 = np.random.normal(mu1, sigma1, 100000) 
s2 = np.random.normal(mu2, sigma2, 100000) 

hist1 = np.histogram(s1, bins=100, range=(-20,20), density=True) 
data1 = hist1[0] 
ent1 = -(data1*np.log(np.abs(data1))).sum() 

hist2 = np.histogram(s2, bins=100, range=(-20,20), density=True) 
data2 = hist2[0] 
ent2 = -(data2*np.log(np.abs(data2))).sum()

到目前为止，第一个例子ENT1将产生男，第二，ENT2，产生数学域误差:(

显然，问题是未定义的“log（0）”。但为什么你使用'range =（ - 20,20）'？我不认为'np.random.normal（mu2，sigma2，100000）'会产生任何负数！无论如何，只要有些垃圾箱里没有点数，你会得到这个错误！ – Mahdi

嘿！谢谢！我把它整理出来了。我曾经修剪掉所有的0数据！ – Vinci

不客气！这是一个很好的解决方案！如果您认为我的答案有帮助，请接受答案，以便问题将被标记！ – Mahdi

答

可以使用量化代码计算熵：

import numpy as np 

mu1 = 10 
sigma1 = 10 

s1 = np.random.normal(mu1, sigma1, 100000) 
hist1 = np.histogram(s1, bins=50, range=(-10,10), density=True) 
data = hist1[0] 
ent = -(data*np.log(np.abs(data))).sum() 
# output: 7.1802159512213191

但是，如果你喜欢用一个for循环，你可能会写：

import numpy as np 
import math 

mu1 = 10 
sigma1 = 10 

s1 = np.random.normal(mu1, sigma1, 100000) 
hist1 = np.histogram(s1, bins=50, range=(-10,10), density=True) 
ent = 0 
for i in hist1[0]: 
    ent -= i * math.log(abs(i)) 
print (ent) 
# output: 7.1802159512213191

谢谢Mahdi的回答！然而，对我来说，它返回RuntimeWarning：在日志中遇到的零除以 ent = - （i * np.log（abs（i）））sum（） RuntimeWarning：在double_scalars中遇到的无效值 ent = - （i * np.log（abs（i）））。sum（） nan – Vinci

for for循环，我得到数学域错误？会有什么问题？ – Vinci

@JinJeon：你可以产生一组新的's1'值并重复上面的代码吗？看起来有些数字太接近零。 – Mahdi

答

使用np.ma.log避免INF和楠错误。 np.ma是一个蒙面的数组。

如何从NP直方图计算熵

相关推荐