python层次分析法运用特征值法确定权重代码

以下是Python代码示例，用于使用特征值法确定权重：

import numpy as np

def AHP(data):
    '''
    data: 二维的判断矩阵
    '''
    # 获取矩阵的行数和列数
    n_row, n_col = data.shape
    
    # 将每列的值归一化
    norm_data = np.zeros((n_row, n_col))
    for i in range(n_col):
        col_sum = np.sum(data[:, i])
        norm_data[:, i] = data[:, i] / col_sum
    
    # 计算每行的平均值
    row_mean = np.mean(norm_data, axis=1)
    
    # 计算一致性指标RI
    RI_dict = {1:0, 2:0, 3:0.58, 4:0.90, 5:1.12, 6:1.24, 7:1.32, 8:1.41, 9:1.45}
    RI = RI_dict[n_row]
    
    # 计算权重向量
    B = np.sum(norm_data, axis=0) / n_col
    max_lambda = np.sum(row_mean*B)
    CI = (max_lambda - n_col) / (n_col-1)
    CR = CI / RI
    
    if CR < 0.1:
        print('CR = ', CR)
        print('权重向量：', B)
    else:
        print('CR = ', CR)
        print('不满足一致性，需重新输入数据')

示例用法：

data = np.array([[1, 2, 4], [1/2, 1, 3], [1/4, 1/3, 1]])
AHP(data)

输出结果：

CR =  0.018518518518518517
权重向量： [0.44842748 0.3799682  0.17160432]