解题步骤

1. 读取数据：输入是一个 Python 格式的二维 list（每一行中的最后一列为类别 label），我们可以直接用 eval(input()) 将字符串转成 list 对象。
2. 提取标签：遍历二维列表的最后一列，统计每个类别出现次数。

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)=-\sum^k_{k=1}$$\frac{∣C_k∣}{∣D∣}$$log2$$\frac{∣C_k∣}{∣D∣}$，

其中 $∣C_k∣$，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 $D_1,D_2...D_n$ ，故有 $\sum^n_{i=1}∣D_i∣=∣D∣$ 。$K$ 为别的类别的数目。