dea模型python代码

DEA模型是一种用于评估决策单元（比如公司、组织或国家）相对效率的方法。在Python中，我们可以使用`pyDEA`库来实现DEA模型的计算和分析。以下是一个使用`pyDEA`库来进行DEA模型分析的示例Python代码：

import pyDEA

# 创建一个包含输入、输出、权重和决策单元数据的DataFrame
data = {
    'Input1': [100, 120, 150, 90],
    'Input2': [80, 100, 120, 70],
    'Output1': [200, 250, 300, 180],
    'Output2': [150, 180, 200, 120]
}
df = pd.DataFrame(data)

# 创建一个DEA模型实例
model = pyDEA.DEAProblem(df, 'Input1, Input2', 'Output1, Output2')

# 解决DEA模型
model.solve()

# 获取效率得分
efficiency_scores = model.E[0]

# 打印结果
for i, score in enumerate(efficiency_scores):
    print(f"决策单元{i+1}的效率得分为：{score}")

在这个示例中，我们首先导入`pyDEA`库，然后创建了一个包含输入、输出和决策单元数据的DataFrame。接下来，我们创建了一个DEA模型实例，并使用`solve`方法来求解DEA模型。最后，我们获取了各个决策单元的效率得分，并将其打印出来。

通过这个示例代码，我们可以很容易地利用`pyDEA`库来进行DEA模型分析，评估决策单元的相对效率，从而帮助决策者进行决策和优化。