此函数允许估计时间序列的熵。它基于Lempel-Ziv压缩算法。对于长度为n的时间序列，熵估计为：

E=(1/n和L_i)^-1 ln(n)

式中，L逯i是从位置i开始的最短子串的长度，该子串之前没有从位置1出现到i-1。当n接近无穷大时，估计的熵收敛到时间序列的实熵。在

我想用Python实现is，我是这样做的：def contains(small, big):

for i in range(len(big)-len(small)+1):

if big[i:i+len(small)] == small:

return True

return False

def actual_entropy(l):

n = len(l)

sequence = [l[0]]

sum_gamma = 0

for i in range(1, n):

for j in range(i+1, n+1):

s = l[i:j]

if contains(s, sequence) != True:

sum_gamma += len(s)

sequence.append(l[i])

break

ae = 1 / (sum_gamma / n ) * math.log(n)

return ae

但是，我发现当数据越来越大时，它的计算速度太慢了。例如，我使用了一个包含23832个元素的列表作为输入，所消耗的时间如下：(data can be foundhere)

^{pr2}$

我有成千上万的这样的名单要计算，这么长的时间是无法忍受的。我应该如何优化此功能并使其更快地工作？在