Necesito desarrollar una función para medir la cantidad de variación (entropía) de una distribución.
Los datos los ordeno en una lista. Cada elemento de la lista representa el número de veces que se ha producido una señal.
De tal manera que en a=[1,2,4,0]
la señal 1 se ha producido una vez, la señal 2 se ha producido 2 veces, la señal 3 se ha producido 4 veces y la señal 4 se ha producido 0 veces.
Por lo tanto, en la distribución a=[1,1,1,1]
tenemos máximo desorden y la entropía es 2.0.
Sin embargo, en la distribución a=[4,0,0,0]
tenemos máximo orden (o una predictibilidad máxima para la señal 1) y la entropía que obtenemos es 0.0.
La función de entropía que utilizo es la siguiente:
import math
def calcular_ent(lista):
auxstring = "".join(str(i + 1) * x for i, x in enumerate(lista))
return (-sum(freq*math.log(freq, 2)
for freq in (float(auxstring.count(n))/len(auxstring)
for n in set(auxstring))))
El problema que tengo es que los resultados que mi función arroja para algunas distribuciones de señales es defectuosa. Por ejemplo:
Para lista = [1,1,1,1,1,1,1,1,0,0,0,0,0,0,0,0]
obtengo una entropía de:
[3.0]
Para lista = [0,0,0,0,0,0,0,0,1,1,1,1,1,1,1,1]
obtengo una entropía de:
[2.3068905956085186]
Si se observa bien el resultado que se obtiene para la segunda distribución debería ser el mismo que para la primera distribución, es decir, 3.0.
No sé realmente a qué se debe esta diferencia en el resultado que arroja la función. Si alguien observa el por qué de dicha diferencia y es capaz de echarme una mano para corregir la función (haciendo que los resultados de distribuciones iguales sean los mismos) lo agradezco.
auxstrings
muy diferentes para los casos que pones, para la primera lista tienes12345678
y para la segunda910111213141516
. Ademas generas números de dos cifras que agregas al string pero que luego son tratados y contados como dígitos y no como enteros al hacer elcount
.