Python代码——熵权TOPSIS计算

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

熵权+TOPSIS

1. import pandas as pd
   
2. import numpy as np
   
3. data=pd.read_excel("data_py.xlsx", sheet_name=0,header=0,index_col=0)
   
4. m,n=data.shape  #获取行数m和列数n
   
5. #熵权法计算
   
6. def Y_ij(data1):   #矩阵标准化(min-max标准化)
   
7.     for i in data1.columns:
   
8.        for j in range(n+1):
   
9.            if i == str(f'X{j}负'):  #负向指标
   
10.                data1[i]=(np.max(data1[i])-data1[i])/(np.max(data1[i])-np.min(data1[i]))
    
11.            else:   #正向指标
    
12.                data1[i]=(data1[i]-np.min(data1[i]))/(np.max(data1[i])-np.min(data1[i]))
    
13.     return data1
    
14. Y_ij=Y_ij(data)  #标准化矩阵
    
15. None_ij = [[None] * n for i in range(m)]  #新建空矩阵
    
16. def E_j(data2):  #计算熵值
    
17.     data2 = np.array(data2)
    
18.     E = np.array(None_ij)
    
19.     for i in range(m):
    
20.         for j in range(n):
    
21.             if data2[i][j] == 0:
    
22.                 e_ij = 0.0
    
23.             else:
    
24.                 P_ij = data2[i][j] / data2.sum(axis=0)[j]  #计算比重
    
25.                 e_ij = (-1 / np.log(m)) * P_ij * np.log(P_ij)
    
26.             E[i][j] = e_ij
    
27.     E_j=E.sum(axis=0)
    
28.     return E_j
    
29. E_j = E_j(Y_ij)  #熵值
    
30. G_j = 1 - E_j    #计算差异系数
    
31. W_j = G_j / sum(G_j)   #计算权重
    
32. WW= pd.Series(W_j, index=data.columns, name='指标权重')
    
33. #print(WW)
    
34. Y_ij.to_excel("Y_ij.xls",sheet_name='Y_ij') #标准化矩阵导出至Excel
    
35. WW.to_excel("WW.xls",sheet_name='WW')  #指标权重导出至Excel
    
36. 
    
37. #TOPSIS计算
    
38. Y_ij = np.array(Y_ij)  #Y_ij为标准化矩阵
    
39. Z_ij = np.array(None_ij)  #空矩阵
    
40. for i in range(m):
    
41.     for j in range(n):
    
42.         Z_ij[i][j]=Y_ij[i][j]*W_j[j]  #计算加权标准化矩阵Z_ij
    
43. Imax_j=Z_ij.max(axis=0)  #最优解
    
44. Imin_j=Z_ij.min(axis=0)  #最劣解
    
45. Dmax_ij = np.array(None_ij)  #空矩阵
    
46. Dmin_ij = np.array(None_ij)  #空矩阵
    
47. for i in range(m):
    
48.     for j in range(n):
    
49.         Dmax_ij[i][j] = (Imax_j[j] - Z_ij[i][j]) ** 2
    
50.         Dmin_ij[i][j] = (Imin_j[j] - Z_ij[i][j]) ** 2
    
51. Dmax_i=Dmax_ij.sum(axis=1)**0.5  #最优解欧氏距离
    
52. Dmin_i=Dmin_ij.sum(axis=1)**0.5  #最劣解欧氏距离
    
53. C_i=Dmin_i/(Dmax_i+Dmin_i)  #综合评价值
    
54. Dmax_i= pd.Series(Dmax_i, index=data.index, name='最优解')
    
55. Dmin_i= pd.Series(Dmin_i, index=data.index, name='最劣解')
    
56. C_i= pd.Series(C_i, index=data.index, name='综合评价值')
    
57. print(C_i)
    
58. pd.concat([Dmax_i, Dmin_i, C_i]).to_excel("C_i.xls") #最优解、最劣解、综合评价值导出至Excel

复制代码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏16 回帖

你好，请问如果用欧式距离来计算的话，是不是就不需要将指标全部都转化为极大型指标？

Mooaomo 发表于 2021-3-17 16:33
你好，请问如果用欧式距离来计算的话，是不是就不需要将指标全部都转化为极大型指标？

熵权法标准化的时候负向转为正向的

您好！非常感谢您的分享！请问我在运算完成后，发现熵权法标准化生成的归一化矩阵文件”Y_ij”里的负指标并没有依据负指标原则来进行标准化，而是跟正指标一样直接进行标准化了，请问这是哪里出现问题了呢？

真的非常使用了，条理清晰，感觉基础小白也能够看懂耶，非常推荐哦

zhao101 发表于 2021-2-17 11:46
熵权+TOPSIS

有呀应用也一样

谢谢大佬