关于for循环和reduce的Python之谜

Question

我正在尝试计算可执行文件的字节熵。在将直方图作为数组后，我首先使用 for-loop 来计算它。然后我尝试使用 functools.reduce 来固定一点。有趣的是，我从同一个数组和同一个函数得到了不同的结果，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，我不明白为什么其中一个是错误的。我比较了 for 循环中列表“prob”和“prob”的所有元素，所有值都相同。

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，另一个给出 0.8605594205272858。 “hist”是一个 numpy.ndarray。

Answer 1

您的初始值不同。 在循环版本中，您首先应用 calc_entropy(0, prob[0])，但是对于 reduce，您的第一个应用是 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)。