P3474.第2题-新闻推荐处理
题目内容
你正在为一个新闻推荐系统工作，该系统根据用户的阅读历史和新闻的类别来推荐新闻。
给定一个用户的阅读历史数据，每个用户有多个新闻类别的阅读次数。
我们希望计算每个用户阅读新闻类别的信息熵。
信息熵的计算公式为：H=−∑i=1npilog2Pi
其中，pi 是用户阅读第 i 类新闻的概率，n 是新闻类别的数量。
你需要编写一个 Python 函数，该函数接受上述格式的输入数据，从终端读取输入，然后计算每个用户的信息熵，并将结果保留到 3 位小数并输出到终端。
输入描述
输入是一个字典，键是用户的 id (字符串)，值是一个字典，包含多个键，分别代表用户的历史阅读的新闻类型。
输出描述
返回一个字典，格式与输入相同，但是输出每个用户的信息。注意输出的引号格式。
样例1
输入
{"user1":{"sports":10, "technology":20,"entertainment":30},"user2":{"sports":20,"technology":30,"entertainment":10},"user3":{"sports":30,"technology":10,"entertainment":20}}
输出
{"user1":{"entropy":1.459},"user2":{"entropy":1.459},"user3":{"entropy"1.459}}
