Python中計算樣本熵的方法通常使用熵公式，這個公式可以幫助我們度量樣品數據的無序程度。

def entropy(samples):
from collections import Counter
# 獲取列表中每個元素的數量
counts = Counter(samples)
# 列表中元素出現的頻率
probs = [count / len(samples) for count in counts.values()]
# 計算熵
return -sum(p * math.log2(p) for p in probs if p >0)

通過Python的計數器（Counter）模塊，我們可以很方便地獲取樣品數據中每個元素的數量。在計算完每個元素的數量后，我們可以使用這些數量來計算出它們在樣品數據中出現的頻率（概率）。最后，使用這些概率值可以計算樣品數據的熵值。

下面是一個使用樣品熵計算方法的示例：

samples = [1, 1, 1, 2, 2, 3, 4, 5, 5, 5]
result = entropy(samples)
print(result)

在這個例子中，我們有一個由10個元素組成的樣品集合。樣品數據的熵值計算結果是1.8464393446710154。

樣品熵是人工智能和機器學習領域經常使用的一個技術。它對于對樣品數據集進行處理和分類非常有用。Python提供了一種簡單、高效的方法來計算樣品熵，如果你需要處理樣品數據，這個方法值得使用。