运用Python进行TOPSIS综合评价方法

第一步，读取数据；

import pandas as pd #导入pandas工具包
import numpy as np #导入numpy工具包 
data = pd.read_excel("F:\Desktop\python运行文件.xlsx")

第二步，对数据进行趋同化；

# 获取列名称
n = list(data.columns)
#  高优指标
for i in n:
    data[i] = data[i] 
# 低优指标
for i in n:
    data[i] = 1/data[i]
# 中性指标
for i in n:
    Max = np.max(data[i])
    data[i] = Max/(Max + np.abs(data[i] - Max))
  

注：这里仅列示各类型指标的处理方法，如果指标体系包含两种以上类型的指标，注意嵌套使用 if 条件语句进行循环。

第三步，对数据进行归一化；

# 进行归一化
for i in n:
    x = np.power(np.sum(np.power(data[i],2)),0.5)
    data[i] = data[i]/x  

第四步，获取最优列值向量和最劣值向量；

A1 = []
# 获取最优列值
for i in n:
    Max = np.max(data[i])
    A1.append(Max)    
# 转换形式    
A1 = np.array(A1)

# 获取最劣列值
A2 = []
for i in n:
    Min = np.min(data[i])
    A2.append(Min)    
# 转换形式    
A2 = np.array(A2)

第五步，计算最优方案和最劣方案；

 计算最优方案
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)
# 转换形式
D1 = np.array(D1)

# 计算最劣方案
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)
# 转换形式
D2 = np.array(D2)

第六步，计算评价对象与最优方案接近程度；

C = D2/(D1 + D2)

最后，进行排序。

# 新建数据框
data1 = pd.DataFrame(C, index = list(data.index))
# 按C值进行排序
data1['rank'] = data1.rank(ascending = False)
# 重新设置列名
data1.columns = ['score', 'rank']
# 保存为excel格式
data1.to_excel('F:\Desktop\综合得分.xlsx')