Python中的條件信息熵，是一個用來衡量隨機變量X的某個屬性對變量Y的不確定性減輕程度的指標。

def cond_entropy(x, y):
"""
計算條件信息熵
:param x: 隨機變量X
:param y: 隨機變量Y
:return: 條件信息熵
"""
res = 0
xy_count = {}
y_count = {}
for i in range(len(x)):
if x[i] not in xy_count:
xy_count[x[i]] = {}
if y[i] not in y_count:
y_count[y[i]] = 0
if y[i] not in xy_count[x[i]]:
xy_count[x[i]][y[i]] = 0
xy_count[x[i]][y[i]] += 1
y_count[y[i]] += 1
for k in xy_count:
for y_k in xy_count[k]:
res -= xy_count[k][y_k] / len(x) * math.log(xy_count[k][y_k] / y_count[y_k], 2)
return res

以上是計算條件信息熵的函數，其中輸入參數x為隨機變量X的取值，y為隨機變量Y的取值。

通過該函數，我們可以得到隨機變量X對隨機變量Y的不確定性減輕程度的具體值。