关于for循环和减少的Python之谜

发布时间：2020-12-20 11:09:35 所属栏目：Python 来源：网络整理

导读：我正在尝试计算可执行文件上的字节熵.在将直方图作为数组后,我首先使用for循环来计算它.然后我尝试使用functools.reduce来加强一点点.有趣的是,我从相同的数组和相同的函数得到不同的结果,我想了解原因. 我将它简化为一个简单的循环和两行代码块但是,我无法

我正在尝试计算可执行文件上的字节熵.在将直方图作为数组后,我首先使用for循环来计算它.然后我尝试使用functools.reduce来加强一点点.有趣的是,我从相同的数组和相同的函数得到不同的结果,我想了解原因.

我将它简化为一个简单的循环和两行代码块但是,我无法理解为什么其中一个是错误的.我从for循环中比较了列表“prob”和“prob”的所有元素,所有值都是相同的.

calc_entropy = lambda e,p: e - p*math.log(p,256) if (p != .0) else e

prob = hist / bytes_len
e = functools.reduce(calc_entropy,prob)

和

e = .0
for freq in hist:
    prob = freq / bytes_len
    e = calc_entropy(e,prob)

其中一个给出0.813826598594107另一个是0.8605594205272858. “hist”是一个numpy.ndarray.

您的初始值不同. 在循环版本中,您首先应用calc_entropy(0,prob [0]),但使用reduce,您的第一个应用程序是calc_entropy(prob [0],prob [1]).您可以通过使用初始值调用reduce来更改它：reduce(calc_entropy,prob,0).

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!