python写代码：定义一个函数，输入为label，包含所有样本的0，1标签，类似于上面的数据集例子，返回信息熵的值。另外，计算所有色泽为浅白的样本对应标签的信息熵，要求过程中调用上面自己编写的计算信息熵的函数

```python import math def calculate_entropy(label): """ 此函数用于计算输入标签的信息熵 :param label: 包含所有样本的 0，1 标签 :return: 信息熵的值 """ num_0 = label.count(0) num_1 = label.count(1) total = len(label) p_0 = num_0 / total p_1 = num_1 / total if p_0 == 0 or p_1 == 0: entropy = 0 else: entropy = - (p_0 * math.log2(p_0) + p_1 * math.log2(p_1)) return entropy def calculate_entropy_for_light_white_samples(data): """ 此函数用于计算色泽为浅白的样本对应标签的信息熵 :param data: 数据集 :return: 信息熵的值 """ light_white_samples = [sample for sample in data if sample['color'] == '浅白'] light_white_labels = [sample['label'] for sample in light_white_samples] return calculate_entropy(light_white_labels) ``` 额外需要注意的逻辑点： 1. 确保输入的 `label` 数据格式正确，只包含 0 和 1 。 2. 处理可能出现的样本数量为 0 的情况，避免计算对数时出现错误。 3. 对于数据集 `data` ，要确保其中包含 `color` 和 `label` 这两个字段。 [2024-11-26 21:18:12 | AI写代码神器 | 359点数解答]