信息是个很抽象的概念。我们常常说信息很多,或者信息较少,但却很难说清楚信息到底有多少。比如一本书中到底有多少信息量。直到 1948 年,香农(C. E. Shannon)提出了“信息熵”(shāng) 的概念,才解决了对信息的量化度量问题。熵的概念发展成为信息论、数据压缩等学科的基础,在很多科学研究的领域尤其是计算机科学中有着广泛的应用。
实际上,一条信息的信息量大小和它的不确定性或存在概率有直接的关系。比如说,我们要搞清楚一件非常非常不确定的事,或是我们一无所知的事情,就需要了解大量的信息。相反,如果我们对某件事已经有了较多的了解,我们不需要太多的信息就能把它搞清楚。所以,从这个角度,我们可以认为,信息量的度量就等于不确定性的多少。一个系统越是有序,信息熵就越低;反之,一个系统越是混乱,信息熵就越高。因此可以认为信息熵是系统有序化程度的一个度量。 Shannon 借鉴了热力学的概念,把信息与其存在概率关联起来并称之为“信息熵”,并给出了计算信息熵的数学表达式:
H = - ∑ Pi * log2 Pi
假设有一个字符串要求它的信息熵,其中Pi是字符i出现的概率(该字符出现次数/所有字符数),然后将所有的Pi乘上取对数后的值log2 Pi后累加,最后取负,得到字符串的信息熵。
本题要求计算给定字符串按照每个字符统计的信息熵。
输入:
一个字符串,请忽略所有非字母的字符(即只关注a-z, A-Z),且不区分字母的大小写。
提示:可以用StdIn.readAll()读入字符串的所有内容
输出:
对应字符串的熵值,输出请用格式化输出("%4.2f\n")
样例输入:
To□be□or□not□To□be,↵
that□is□the□question↵
样例输出:
3.26↵
/*
* 信息熵(Entropy)
* H = - ∑ Pi * log2 Pi
*/
public class Main {
public static double getEntropy(String str){
double H = 0.00;
int count = 0;
int [] letter = new int[26];
str = str.toUpperCase();
for(int i=0;i<str.length();i++){
char chr = str.charAt(i);
if(chr>'A' && chr < 'Z'){
letter[chr-'A']++;
count++;
}
}
for(int i=0;i<26;i++){
double pi = 1.0*letter[i]/count;
if(pi>0){
H +=-(pi*Math.log(pi)/Math.log(2));
}
}
return H;
}
public static void main(String[] args) {
String str = StdIn.readAll();
double H = getEntropy(str);
StdOut.printf("%4.2f\n",H);
}
}