哈夫曼平均码长
输入各符号的出现频率或概率，工具按哈夫曼编码估算平均码长与压缩效率，帮你评估数据在无损压缩中的预期表现。
🔐 Huffman Average Code Length
Estimate the average code length and compression efficiency from symbol frequencies per Huffman coding.
📐 计算公式与说明
平均码长 = Σ(fᵢ / Σf) · lᵢ
理论下界为信息熵 H
理论下界为信息熵 H
输入频率（或概率，归一化后结果一致）。
📚 深度解析：哈夫曼平均码长
💡 常见使用场景
- 压缩方案评估：对比哈夫曼与定长/算术编码的平均码长。
- 教学演示：展示高频符号配短码、低频配长码的最优前缀树。
- 格式优化：为日志/协议选择符号概率模型以缩短平均长度。
示例：A:0.5 B:0.25 C:0.25
哈夫曼码 A=0,B=10,C=11，平均码长=0.5×1+0.25×2+0.25×2=1.5 bit/符号（熵=1.5，已达最优）。
❓ 常见问题（FAQ）
- 哈夫曼为何最优？
- 在满足前缀码条件下使平均码长最小，等于信息熵（概率取 2 的幂时）。
- 与算术编码区别？
- 算术编码可超越符号边界、更接近熵，哈夫曼实现简单但略有冗余。
- 频率未知怎么办？
- 需先统计或使用通用模型，动态场景可用自适应哈夫曼。