topsis代码

以下是一个简单的Topsis算法的Python实现：

import numpy as np

def topsis(matrix, weights, impacts):
    # 归一化矩阵
    normalized_matrix = matrix / np.sqrt(np.sum(matrix ** 2, axis=0))

    # 加权归一化矩阵
    weighted_normalized_matrix = normalized_matrix * weights

    # 正理想解和负理想解
    positive_ideal = np.max(weighted_normalized_matrix, axis=1)
    negative_ideal = np.min(weighted_normalized_matrix, axis=1)

    # 距离正理想解和负理想解的距离
    positive_distances = np.sqrt(np.sum((weighted_normalized_matrix - positive_ideal.reshape(-1, 1)) ** 2, axis=0))
    negative_distances = np.sqrt(np.sum((weighted_normalized_matrix - negative_ideal.reshape(-1, 1)) ** 2, axis=0))

    # 综合得分
    scores = negative_distances / (positive_distances + negative_distances)

    # 根据优劣标准进行排序
    if impacts[0] == '+':
        rankings = np.argsort(scores)[::-1]
    else:
        rankings = np.argsort(scores)

    return rankings

其中，`matrix`是原始矩阵，每行代表一个样本，每列代表一个特征；`weights`是各个特征的权重，`impacts`是各个特征的优劣标准，可以是`'+'`表示越大越好，`'-'`表示越小越好。

函数返回一个排名列表，其中排名越靠前的样本越好。