决策树-计算信息熵

#计算含有缺失值的信息熵, 不同之处是每个样本带有权重
''' 
weight 代表每个样本的权重
d_v 表示包含数据的 DataFrame
label 表示标签列的名称，默认为好瓜。
'''
def calEntroWithNull(weight,d_v:pd.DataFrame,label='好瓜'):
    #获取标签列中的唯一值（分类列表）
    classlist = d_v[label].unique()
    #初始信息熵=0
    ret_entro = 0
    #过类目表
    for k in classlist:
        #分类的概率
        prob_k = sum(weight[(d_v[label]==k)]) / sum(weight)
        # print('p_k : ',sum(weight[(d_v[label]==k)]),'/',sum(weight),'=',prob_k)
        ret_entro -= prob_k*np.log2(prob_k)

    return ret_entroA

这段代码是用来计算在给定数据集中，针对某一特征（比如'好瓜'），以及对应的权重，计算其信息熵。信息熵是用来衡量数据的不确定性的指标，当信息熵越高时，数据的不确定性也越大。

具体来说，这段代码做了以下几件事情：

1. 获取特征列中的唯一值（分类列表）
2. 遍历每个分类，计算该分类的概率
3. 根据公式计算信息熵
4. 返回计算得到的信息熵值

其中，参数weight是每个样本的权重，d_v是包含数据的DataFrame，label是指定的特征列名（默认为'好瓜'）。在代码中，使用了numpy库中的log2函数来计算对数。