香农熵计算器
本工具使用关系式 H(X) = -Σ( p(i) × log2(p(i)) ), 对所有满足p(i) > 0的结果i求和。 本工具使用 一组输入值（结果概率（用分号分隔，总和须为1）），并返回 香农熵（单位：bits）。 因为这是确定性规则，而非特定国家/地区的规定，所以结果永远不会改变。无论是核对作业、准备配置，还是验证其他工具，相同的输入始终得到相同的结果。 在下方输入框中填入数值，结果会即时更新。您还可以分享预填了具体计算的固定链接，便于教学、报告或团队协作。 例如，当 结果概率（用分号分隔，总和须为1） = 0.5; 0.25; 0.25 时，结果为 1.5 bits，下方的计算示例展示了每个步骤，您可以据此复核并手动重现计算过程。 该方法采用标准的文献记录形式 （来源：CalculatorHub 方法论），每个结果上方的标记显示最后核实日期。 本工具仅提供一般性信息，不能替代工程、医学、金融或科学方面的专业建议。重要结果请务必对照原始资料并结合自身判断加以核实。
当 结果概率（用分号分隔，总和须为1） = 0.5; 0.25; 0.25 时，结果为 1.5 bits.
适用于： 给定的输入值。方法来源： CalculatorHub 方法论, 核实于 2026-07-14.
公式
H(X) = -Σ( p(i) × log2(p(i)) ), 对所有满足p(i) > 0的结果i求和
计算示例
输入 结果概率（用分号分隔，总和须为1） = 0.5; 0.25; 0.25:
- H(X) = -Σ( p(i) × log2(p(i)) ), 对所有满足p(i) > 0的结果i求和
- 输入值：结果概率（用分号分隔，总和须为1） = 0.5; 0.25; 0.25
- 香农熵 = 1.5 bits
此计算示例是本计算器发布前必须通过的自动化基准值测试之一。
前提假设
- 本工具对给定的输入应用确定性规则。
- 结果为 H(X) = -Σ( p(i) × log2(p(i)) ), 对所有满足p(i) > 0的结果i求和的精确值；此为一般性信息，并非专业建议。
常见问题
使用的是哪个公式？
H(X) = -Σ( p(i) × log2(p(i)) ), 对所有满足p(i) > 0的结果i求和, 这是由以下来源记录的标准形式： CalculatorHub 方法论.
结果会随时间变化吗？
不会。这是确定性规则，相同的输入始终得到相同的结果。
官方来源与验证
- 方法： CalculatorHub 方法论, 核实于 2026-07-14.
由 CalculatorHub 团队审阅，编辑： James Graham, 2026-07-14. 请参阅我们的 方法论说明. 此为一般性信息，并非专业建议。