P3501.第2题-某新零售食品连锁企业的决策
题目内容
某新零售食品连锁企业，利用先进的科技和数据分析来提供生鲜食品购物体验，决策树是一种机器学习算法，可以在不同场景中发挥作用，帮助优化业务决策和提高效率。信息熵是决策树中非常重要的一个概念，请根据输入描述和输出描述中的要求，编程实现信息熵的计算。
提示：计算某一数据集的信息熵，可以使用 H(D)=−∑k=1k∣D∣∣Ck∣log2∣D∣∣Ck∣，
其中 ∣Ck∣，代表的是属于某一类的样本个数，D 是整个数据集的样本数量，根据某一特征的不同取值可以将数据划分为 D1,D2...Dn ，故有 ∑i=1n∣Di∣=∣D∣ 。K 为别的类别的数目。
输入描述
输入的数据集为一个二维 list ，该二维 list 中每一个子 list 的最后一个元素表示当前样本的 label ， label 为 0 表示负样本，1 表示正样本，其余的元素表示特征的值，每一列都表示一个固定的特征，例如，第一列特征可以表示收入层级，第二列特征可以表示是否有车等，形如 [[0,1,0,0,′0′]，[2,0,0,1,′1′]]。为了方便区别，label 以 String 的数据形式进行存储。
为了便于使用，所有案例都以单行的形式传入，因此形如sys.stdin 等方法结合 for 循环和 eval 函数即可读取并还原数据。
输出描述
要求给出在既定数据集下，输出对应的信息熵的值，返回值结果为 float 形式，保留小数点后 3 位有效数字。
补充说明
(1)请严格按照返回值的要求设置返回值的格式，保证返回值的唯一性。
(2)可以使用形如 numpy 和 pandas 等自带代码库。
(3)math 库中含有 log 计算方法。
样例1
输入
[[0,0,0,0,'0'],[0,0,0,1,'0'],[0,1,0,1,'1'],[0,1,1,0,'1'],[0,0,0,0,'0'], [1,0,0,0,'0']]
输出
0.918
说明
保留小数点后三位有效数字后，数据集下的信息熵为 0.918
