def empty1(pri_data):

hair = [] #[‘长’, ‘短’, ‘短’, ‘长’, ‘短’, ‘短’, ‘长’, ‘长’]

voice = [] #[‘粗’, ‘粗’, ‘粗’, ‘细’, ‘细’, ‘粗’, ‘粗’, ‘粗’]

sex = [] #[‘男’, ‘男’, ‘男’, ‘女’, ‘女’, ‘女’, ‘女’, ‘女’]

for one in pri_data:

hair.append(one[0])

voice.append(one[1])

sex.append(one[2])

cu_voive = voice.count(‘粗’) #6

thin_voice = voice.count(‘细’) #2

一维列表合并成多维列表

d = []

for i in range(len(hair)):

for j in range(len(voice)):

if i == j:

for k in range(len(sex)):

if j == k:

t = [hair[i], voice[j], sex[k]]

d.append(t)

print(d)

a = d.count([‘短’, ‘粗’, ‘男’]) #2

b = d.count([‘短’, ‘粗’, ‘女’]) #1

c = d.count([‘长’, ‘粗’, ‘男’]) #1

e = d.count([‘长’, ‘粗’, ‘女’]) #2

f = d.count([‘长’, ‘细’, ‘女’]) #1

g = d.count([‘短’, ‘细’, ‘女’]) #1

#一维列表合并成二维列表

z=list(zip(voice,sex))

cu_woman =z.count((‘粗’,‘女’))

cu_man = z.count((‘粗’,‘男’))

num_v_h = (cu_woman + cu_man)

return cu_voive, thin_voice, cu_woman, cu_man, num_v_h

def empty2(pri_data):

hair = [] # [‘长’, ‘短’, ‘短’, ‘长’, ‘短’, ‘短’, ‘长’, ‘长’]

voice = [] # [‘粗’, ‘粗’, ‘粗’, ‘细’, ‘细’, ‘粗’, ‘粗’, ‘粗’]

sex = [] # [‘男’, ‘男’, ‘男’, ‘女’, ‘女’, ‘女’, ‘女’, ‘女’]

for one in pri_data:

hair.append(one[0])

voice.append(one[1])

sex.append(one[2])

一维列表合并成二维列表

k = list(zip(hair, sex))

long_man =k.count((‘长’,‘男’))

long_woman = k.count((‘长’,‘女’))

sum_hair1 = long_man + long_woman

short_man = k.count((‘短’,‘男’))

short_woman = k.count((‘短’,‘女’))

sum_hair2 = short_man + short_woman

sum_Hair = sum_hair1 + sum_hair2

return long_man, long_woman, sum_hair1,sum_hair2,sum_Hair,short_man,short_woman

用声音作为优先选择特征求信息增益

def xxx1(cu_voice,thin_voice,cu_woman,cu_man,num_v_h):

voice_num=cu_voice+thin_voice

A = -cu_voive/voice_num * (cu_woman/num_v_h) * np.log2(cu_woman/num_v_h) - \

cu_voive/voice_num * (cu_man/num_v_h) * np.log2(cu_man/num_v_h)

sum_v = getData(pri_data) - A

return sum_v

用头发作为优先选择特征求信息增益

def xxx2(long_man, long_woman, sum_hair,sum_hair2,sum_Hair,short_man,short_woman):

B = -sum_hair/sum_Hair* (long_man/sum_hair) * np.log2(long_man/sum_hair) - \

sum_hair/sum_Hair * (long_woman/sum_hair) * np.log2(long_woman/sum_hair) - sum_hair2/sum_Hair * (short_man/sum_hair2) * np.log2(short_man/sum_hair2)\

• sum_hair2/sum_Hair* (short_woman/sum_hair2) * np.log2(short_woman/sum_hair2)

sum_h = getData(pri_data) - B

return sum_h

if name == “main”:

pri_data = [[‘长’, ‘粗’, ‘男’], [‘短’, ‘粗’, ‘男’], [‘短’, ‘粗’, ‘男’],

[‘长’, ‘细’, ‘女’], [‘短’, ‘细’, ‘女’], [‘短’, ‘粗’, ‘女’],

[‘长’, ‘粗’, ‘女’], [‘长’, ‘粗’, ‘女’]]

total_shang=getData(pri_data)

cu_voive, thin_voice, cu_woman, cu_man, num_v_h=empty1(pri_data)

sum1 = xxx1(cu_voive, thin_voice, cu_woman, cu_man, num_v_h)

print(‘用声音作为优先选择特征求信息增益:’,sum1)

long_man, long_woman, sum_hair1, sum_hair2, sum_Hair, short_man, short_woman=empty2(pri_data)

sum2 = xxx2(long_man, long_woman, sum_hair1, sum_hair2, sum_Hair, short_man, short_woman)

print(‘用头发作为优先选择特征求信息增益:’,sum2)

if sum1 > sum2:

print(“用声音作为优先选择特征求信息增益大”)

else:

print(“用头发作为优先选择特征求信息增益大”)

截图：

四、实验内容

（1）案例描述：通过天气、温度、湿度、是否有风4个特征来决策是否打球。使用Python实现求出其信息增益，并得出哪个特征优先被选择（注：数据处理使用程序计算，数据见data.xls）。

数据集如下：

代码：

import xlrd

import numpy as np

workbook=xlrd.open_workbook(“data.xls”)

sheet=workbook.sheet_by_name(“Sheet1”)

row_count=sheet.nrows

col_count=sheet.ncols

data_list=[]

for i in range(1,row_count):

data_list.append(sheet.row_values(i))

play_golf_number=0

no_play_golf_number=0

total_count=0

for i in data_list:

if i[col_count-1]==“Yes”:

play_golf_number+=1

else:

no_play_golf_number+=1

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。

别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。

我先来介绍一下这些东西怎么用，文末抱走。

---

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

（4）200多本电子书

这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。

基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。

（5）Python知识点汇总

知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。

（6）其他资料

还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。

这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。

c8abf2f2f4b1af.png)

（6）其他资料

还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。

这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。