TOPSIS理想解法 python

TOPSIS（Technique for Order Preference by Similarity to Ideal Solution）是一种多属性决策分析方法，用于解决具有多个指标的决策问题。在Python中，我们可以使用以下代码实现TOPSIS理想解法：

import pandas as pd
import numpy as np

def topsis(path, index, weight, postive):
    # 读取数据
    data = pd.read_excel(path, index_col=index)
    # 数据归一化
    data_norm = data.apply(lambda x: x / np.sqrt(np.sum(x ** 2)), axis=0)
    # 计算加权后的矩阵
    data_weight = data_norm.apply(lambda x: x * weight, axis=1)
    # 确定正负理想解
    ideal_best = np.max(data_weight, axis=0)
    ideal_worst = np.min(data_weight, axis=0)
    for i in range(len(postive)):
        if postive[i] == 0:
            ideal_best[i] = ideal_worst[i]
            ideal_worst[i] = np.max(data_weight.iloc[:, i])
    # 计算距离
    distance_best = np.sqrt(np.sum((data_weight - ideal_best) ** 2, axis=1))
    distance_worst = np.sqrt(np.sum((data_weight - ideal_worst) ** 2, axis=1))
    # 计算综合得分
    score = distance_worst / (distance_best + distance_worst)
    # 输出结果
    result = pd.DataFrame({'score': score}, index=data.index)
    result = result.sort_values(by='score', ascending=False)
    return result

其中，path为数据文件路径，index为数据文件中作为索引的列的编号（从0开始），weight为各指标的权重，postive为正理想解的指标编号（从0开始）。使用该函数可以得到各个决策方案的得分，得分越高表示该方案越优。