数据源是一个excel文件,写一个topsis法代码

好的，首先需要导入 pandas 和 numpy 库来读取和处理数据。

import pandas as pd
import numpy as np

然后读取数据文件并将其转换为 pandas 数据框。

data = pd.read_excel('data.xlsx')

接下来，我们需要对数据进行标准化处理。

normalized_data = (data-data.min())/(data.max()-data.min())

然后，我们可以计算正向指标和负向指标。

positive = [1, 1, 1, 1, 1, 1]  # 正向指标
negative = [0, 0, 0, 0, 0, 0]  # 负向指标

接下来，我们可以计算评价矩阵。

weighted_data = normalized_data * positive + (1-normalized_data) * negative

然后，我们可以计算加权后的矩阵。

weights = [0.2, 0.15, 0.15, 0.1, 0.25, 0.15]  # 权重向量
v = np.sqrt(np.sum(np.power(weighted_data, 2), axis=1))  # 各方案的综合评价值

weighted_matrix = weighted_data.copy()
for i in range(len(weights)):
    weighted_matrix.iloc[:,i] = weighted_matrix.iloc[:,i] * weights[i]

s_plus = np.max(weighted_matrix, axis=0)
s_minus = np.min(weighted_matrix, axis=0)

d_plus = np.sqrt(np.sum(np.power(weighted_matrix-s_plus, 2), axis=1))
d_minus = np.sqrt(np.sum(np.power(weighted_matrix-s_minus, 2), axis=1))

c = d_minus / (d_plus + d_minus)

最后，我们可以将方案按照其综合评价值排序。

result = pd.DataFrame({'方案': data['方案'], '综合评价值': v, '排序': c}).sort_values(by='综合评价值', ascending=False)
print(result)

完整代码如下：

import pandas as pd
import numpy as np

data = pd.read_excel('data.xlsx')

normalized_data = (data-data.min())/(data.max()-data.min())

positive = [1, 1, 1, 1, 1, 1]
negative = [0, 0, 0, 0, 0, 0]

weighted_data = normalized_data * positive + (1-normalized_data) * negative

weights = [0.2, 0.15, 0.15, 0.1, 0.25, 0.15]
v = np.sqrt(np.sum(np.power(weighted_data, 2), axis=1))

weighted_matrix = weighted_data.copy()
for i in range(len(weights)):
    weighted_matrix.iloc[:,i] = weighted_matrix.iloc[:,i] * weights[i]

s_plus = np.max(weighted_matrix, axis=0)
s_minus = np.min(weighted_matrix, axis=0)

d_plus = np.sqrt(np.sum(np.power(weighted_matrix-s_plus, 2), axis=1))
d_minus = np.sqrt(np.sum(np.power(weighted_matrix-s_minus, 2), axis=1))

c = d_minus / (d_plus + d_minus)

result = pd.DataFrame({'方案': data['方案'], '综合评价值': v, '排序': c}).sort_values(by='综合评价值', ascending=False)
print(result)