Python中的小波奇異熵（Wavelet Singular Entropy）是一種信號處理方法，可以用于對時間序列數據進行分析，以評估其無序性和復雜性。小波奇異熵能夠將信號分解成不同的分量，從而檢測出信號中的不同頻率成分。

from scipy.signal import cwt, ricker
import numpy as np
def calculate_wse(data, scales):
wse = []
for scale in scales:
wavelet = ricker(scale, 4)
coefficients, _ = cwt(data, wavelet)
sig_power = coefficients ** 2
W = sig_power / np.sum(sig_power)
S = - W * np.log2(W)
S[np.isnan(S)] = 0
wse.append(np.sum(S))
return wse

上述代碼中，我們使用了scipy庫中的cwt和ricker函數。cwt函數會將數據進行小波變換，而ricker函數則用于生成母小波。第一個參數是數據，第二個參數是母小波的尺度。我們可以通過調整尺度的大小來獲取不同頻率范圍內的信息。接著我們對每一個小波尺度計算系數，然后計算信號的功率，再計算每個系數的權重W以及對應的小波奇異熵S（用于評估無序性和復雜性），最后返回所有小波尺度的小波奇異熵。