import numpy as np
import xlrd
#设置数据读取路径
path='C://Users//xiaoxiannv//Desktop//tree.xlsx'
#xlrd打开数据
data=xlrd.open_workbook(path)
#读取excel的sheet
sheet1=data.sheet_by_name('Sheet1')
#原始数据放入二维数组中去
nrows=sheet1.nrows
ncols=sheet1.ncols
#初始化得到与data set相同行，列的二维数组
dataMatrix=np.zeros((nrows-1,ncols),dtype=str)
#数据放入初始化的二维数组中
for i in range(1,nrows):
    dataMatrix[i-1,:]=sheet1.row_values(i)
#数值化
for  i in range(nrows-1):
    temp=dataMatrix[i,:]
    temp[temp=='是']=1
    temp[temp=='否']=0
    dataMatrix[i,:]=temp
#强制转换矩阵为int
dataMatrix=dataMatrix.astype('int')
#算法 第一步
targetAtr=dataMatrix[:,-1]
#计算原始数据集的信息熵
def calcuEntropy(ta):
    zeros=sum(ta==0)
    ones=sum(ta==1)
    sm=zeros+ones
    p0=zeros/sm
    p1=ones/sm
    if(p0==0):
        p0=1
    elif(p1==0):
        p1=1
    return -p0*np.log2(p0)-p1*np.log2(p1)
#计算加入某先验特征属性后的信息熵（也就是加入某一个知识后的信息不确定性）
entropy2=dataMatrix[:,-1]#是否优秀
entropy1=dataMatrix[:,1]#大学生
entropy3=dataMatrix[:,2]#图书馆
entropy4=dataMatrix[:,3]#竞赛
newMt=np.array([entropy1,entropy2])
newMt=np.transpose(newMt)
newMt1=np.array([entropy3,entropy2])
newMt1=np.transpose(newMt1)
newMt2=np.array([entropy4,entropy2])
newMt2=np.transpose(newMt2)
#print(newMt)
def lastEntropy(data):
    #数据传进来，根据引入属性值的多少来进行数据划分
    #比如引入第一列属性，总共有“是”“否”两类值，也就是根据“是”“否”把数据集划分为两类
    nrows,ncols=data.shape;
    yesList=[]
    noList=[]
    for i in range(nrows):
        if(data[i,0]==1):
            yesList.append(data[i,:])
        else:
            noList.append(data[i,:])
    #根据“是”“否”把数据集划分为两类yesMatrix,noMatrix
    yesMatrix=np.array(yesList)
    noMatrix=np.array(noList)
   
    #统计“是”的数据集有多少个
    yM=yesMatrix.shape[0]
    #统计“否”的数据集有多少个
    nM=noMatrix.shape[0]
   
    #计算各个数据集的占比，比如“是”数据集占总数据百分比，“否”数据集占总数据百分比
    sM=yM+nM
    yPercent=yM/sM
    nPercent=nM/sM
   
    #print(yesMatrix[:,-1])
    #print(noMatrix[:,-1])
    #计算在引入属性知识之后，“是”数据集下是信息熵（也就是引入新知识后的不确定性）
    yEntropy=calcuEntropy(yesMatrix[:,-1])
    nEntropy=calcuEntropy(noMatrix[:,-1])
   
    print("\nyEntropy "+str(yEntropy))
    print("nEntropy "+str(nEntropy))
  
    #计算总的信息熵
    return yPercent*yEntropy+nPercent*nEntropy
values=calcuEntropy(targetAtr)-lastEntropy(newMt)
values1=calcuEntropy(targetAtr)-lastEntropy(newMt1)
values2=calcuEntropy(targetAtr)-lastEntropy(newMt2)
print('大学生的信息熵为：',lastEntropy(newMt))  
print('图书馆的信息熵为：',lastEntropy(newMt1))
print('竞赛的信息熵为：',lastEntropy(newMt2),'\n')
#print(calcuEntropy(targetAtr))
#print(dataMatrix)
#比较信息熵大小
if values>values1:
    if values1>values2:
        print('values>values1>values2，选取“大学生”属性最为最先分类的属性')
    else:
        if values>values2:
            print('values>values2>values1，选取“大学生”属性最为最先分类的属性')
        else:
            print('values2>values>values1，选取“竞赛”属性最为最先分类的属性')
elif values<values1:
    if values1<values2:
        print('values2>values1>values，选取“竞赛”属性最为最先分类的属性')
    else:
        if values2>values:
            print('values1>values2>values，选取“图书馆”属性最为最先分类的属性')
        else:
            print('values1>values>values2，选取“图书馆”属性最为最先分类的属性')