python实现TOPSIS方法

你的名字 2022-10-23 08:09 186阅读 0赞

第二个决策算法，没有使用循环数组，而是通过pandas广播的功能实现算法。  
9.18对代码进行和更新，支持传入一个数列，用来控制成本型收益型属性。  
寻找正理想解的函数使用经典的元素对调三行代码实现。  
优化后的代码体现了topsis算法的主要步骤，矩阵导入和标准化都封装在了专门的py文件中。

import pandas as pd#topsis方法实现
    import numpy as np
    import  IFS
    import MATRIX_NOR
    import myIO
    
    
    def pis(df,plist):#寻找正理想解
        plist=plist
        pis = df.max()
        nis = df.min()
        print(pis)
        print(nis)
    
        for i in plist:
            temp=pis[i]
            pis[i]=nis[i]
            nis[i]=temp
        return pis,nis
    
    def ranks(df,pis,nis):#排名方法
        pistemp = ((df.sub(pis, axis=1))**2).sum(axis=1)
        nistemp = ((df.sub(nis, axis=1))**2).sum(axis=1)
    
        return np.sqrt(nistemp)/(np.sqrt(pistemp)+np.sqrt(nistemp))
    if __name__ == '__main__':
        w = pd.Series([0.00854, 0.008978, 0.241101, 0.274443, 0.243986,
                       0.049611, 0.099215, 0.008387, 0.06539
                       ], index=[1, 2, 3, 4, 5, 6, 7, 8, 9])
        url='D:\study\\test\data\\t2.xlsx'
        df =myIO.getdef(url,0)
        df =MATRIX_NOR.max(df)
        df = df.mul(w, axis=1)
        print('规范化矩阵\n',df)
        plist = [1,2,3,4]
        pis,nis = pis(df,plist)
        print('方案收益值为\n ',ranks(df, pis, nis))

数据来源是两篇知网论文，第一篇《基于供应链管理的供应商选择问题初探》  
原文结果为  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDAxNDgzNg_size_16_color_FFFFFF_t_70]  
编译结果为  
![虽然数据不同，但是排序没有问题，之后会考虑问题出在哪里][20210309162658231.png]

github仓库在https://github.com/rivendelltom/decision-making-study

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDAxNDgzNg_size_16_color_FFFFFF_t_70]: /images/20221023/3ff26784d23a4304b598bc74e358ad47.png
[20210309162658231.png]: /images/20221023/080777558b794eea9e46489970e81d19.png