運用Python進行TOPSIS綜合評價方法
第一步,讀取數據;
import pandas as pd #導入pandas工具包
import numpy as np #導入numpy工具包
data = pd.read_excel("F:\Desktop\python運行文件.xlsx")
第二步,對數據進行趨同化;
# 獲取列名稱
n = list(data.columns)
# 高優指標
for i in n:
data[i] = data[i]
# 低優指標
for i in n:
data[i] = 1/data[i]
# 中性指標
for i in n:
Max = np.max(data[i])
data[i] = Max/(Max + np.abs(data[i] - Max))
注:這裏僅列示各類型指標的處理方法,如果指標體系包含兩種以上類型的指標,注意嵌套使用 if 條件語句進行循環。
第三步,對數據進行歸一化;
# 進行歸一化
for i in n:
x = np.power(np.sum(np.power(data[i],2)),0.5)
data[i] = data[i]/x
第四步,獲取最優列值向量和最劣值向量;
A1 = []
# 獲取最優列值
for i in n:
Max = np.max(data[i])
A1.append(Max)
# 轉換形式
A1 = np.array(A1)
# 獲取最劣列值
A2 = []
for i in n:
Min = np.min(data[i])
A2.append(Min)
# 轉換形式
A2 = np.array(A2)
第五步,計算最優方案和最劣方案;
計算最優方案
D1 = []
for i in range(1,len(data)+1):
d1 = np.power(np.sum(np.power(A1 - data[i-1:i],2).values),0.5)
D1.append(d1)
# 轉換形式
D1 = np.array(D1)
# 計算最劣方案
D2 = []
for i in range(1,len(data)+1):
d2 = np.power(np.sum(np.power(A2 - data[i-1:i],2).values),0.5)
D2.append(d2)
# 轉換形式
D2 = np.array(D2)
第六步,計算評價對象與最優方案接近程度;
C = D2/(D1 + D2)
最後,進行排序。
# 新建數據框
data1 = pd.DataFrame(C, index = list(data.index))
# 按C值進行排序
data1['rank'] = data1.rank(ascending = False)
# 重新設置列名
data1.columns = ['score', 'rank']
# 保存爲excel格式
data1.to_excel('F:\Desktop\綜合得分.xlsx')