[Python] 信息论：计算机自信息，信息熵，对比中文和英文信息熵。_分别收集尽量多的英语和汉语文本,编写程序计算这些文本中英语字母和汉字的熵,对比

1. 编写自信息量计算的函数（可以使用任意编程语言）。
2. 编写计算信息熵的函数(要求：其中的自信息量的计算要调用前面定义的函数。
3. 读取英文文本文件的内容，统计文本中每个字符出现的频率，做为无记忆信源一的输出概率分布并保存。
4. 读取中文文本文件的内容，统计文本中每个字符出现的频率，做为无记忆信源二的输出概率分布并保存。

import numpy as np
import jieba
import re

class xinxilunshiyan1(object):
    def __init__(self):
        self.fileName_China = '信息论实验一_中文'
        self.fileName_English = '信息论实验一_英语'
        self.content_readfile = None
        self.jieba_cut_chinese = []
        self.jieba_cut_english = []
        self.content_analysis_chinese = {}
        self.content_analysis_english = {}
        self.content_cleandata_chinese = []
        self.content_cleandata_english = []
        self.r = "[]_.!+-=——,$%^，。？、~@#￥%……&*《》<>「」{}【】()/]"

#1. 编写自信息量计算的函数（可以使用任意编程语言）
    def zixinxi(self,*x):
        zxx = -(np.log2(x))
        return zxx

    #2. 编写计算信息熵的函数(要求：其中的自信息量的计算要调用前面定义的函数
    def xinxishang(self,*x):
        arr = np.array(x)
        p = arr/sum(arr)
        xxs = p*self.zixinxi(p)
        ex = np.sum(xxs)

        return ex

    #3.读取英文文本文件的内容，统计文本中每个字符出现的频率，做为无记忆信源一的输出概率分布并保存
    #4.读取中文文本文件的内容，统计文本中每个字符出现的频率，做为无记忆信源二的输出概率分布并保存.
    def readFile(self,filename):
        try:
            with open(filename,'r',encoding='utf-8') as f:
                self.content_readfile = f.read()
                self.content_readfile = re.sub(self.r, '', self.content_readfile)
                
        except Exception as e:
            print(e)
        return self.content_readfile

    #4.读取中文文本文件的内容，统计文本中每个字符出现的频率，做为无记忆信源二的输出概率分布并保存.
    def jiebafenci_chinese(self,x):
        for line in self.readFile(x):
            self.jieba_cut_chinese.extend(jieba.cut(line.strip()))
        return self.jieba_cut_chinese

    #3.读取英文文本文件的内容，统计文本中每个字符出现的频率，做为无记忆信源一的输出概率分布并保存
    def jiebafenci_english(self,x):
        for line in self.readFile(x):
            self.jieba_cut_english.extend(jieba.cut(line.strip()))
        return self.jieba_cut_english

    #4.读取中文文本文件的内容，统计文本中每个字符出现的频率，做为无记忆信源二的输出概率分布并保存.
    def pinlv_China(self,x):
        for word in self.jiebafenci_chinese(x):
            if word in self.content_analysis_chinese.keys():
                self.content_analysis_chinese[word] += 1
            else:
                self.content_analysis_chinese[word] = 1
        return self.content_analysis_chinese

    #3.读取英文文本文件的内容，统计文本中每个字符出现的频率，做为无记忆信源一的输出概率分布并保存
    def pinlv_English(self,x):
        for word in self.jiebafenci_english(x):
            if word in self.content_analysis_english.keys():
                self.content_analysis_english[word] += 1
            else:
                self.content_analysis_english[word] = 1
        return self.content_analysis_english


    def data_clean_chinese(self,**data):
        self.content_cleandata_chinese = list(data.values())
        return self.content_cleandata_chinese

    def data_clean_english(self,**data):
        self.content_cleandata_english = list(data.values())
        return self.content_cleandata_english


#测试代码
if __name__ == "__main__":
    Demo = xinxilunshiyan1()
    # a = [2,4]
    # print(Demo.zixinxi(*a))
    # print(Demo.xinxishang(*a))
    # print(Demo.readFile('信息论实验一_中文.txt'))
    print(Demo.pinlv_China('信息论实验一_中文.txt'))
    # print(Demo.readFile('信息论实验一_英语.txt'))
    print(Demo.pinlv_English('信息论实验一_英语.txt'))

    print(Demo.data_clean_english(**Demo.content_analysis_english))
    print(Demo.data_clean_chinese(**Demo.content_analysis_chinese))
    chinese = Demo.xinxishang(*Demo.content_cleandata_chinese)
    english = Demo.xinxishang(*Demo.content_cleandata_english)
    if chinese > english :
        print(f'中文的信息熵为：{chinese},他是信源二，他的不确定性高')
    else:
        print(f'英文的信息熵为：{english},他是信源一，他的不确定性高')

    print('============================')
    print(f'中文的信息熵为：{chinese}')
    print(f'英文的信息熵为：{english}')
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106