熵权topsispython代码

这里是一个使用Python实现熵权TOPSIS方法的代码示例：

import numpy as np

def topsis(data, weights):
    # 归一化处理
    normalized_data = data / np.sqrt(np.sum(data**2, axis=0))
    
    # 计算正理想解和负理想解
    positive_ideal = np.max(normalized_data, axis=1)
    negative_ideal = np.min(normalized_data, axis=1)
    
    # 计算距离到正理想解和负理想解的欧氏距离
    positive_distance = np.sqrt(np.sum((normalized_data - positive_ideal[:, np.newaxis])**2, axis=1))
    negative_distance = np.sqrt(np.sum((normalized_data - negative_ideal[:, np.newaxis])**2, axis=1))
    
    # 计算综合评分
    performance = negative_distance / (positive_distance + negative_distance)
    
    # 按照综合评分排序
    sorted_indices = np.argsort(performance)[::-1]
    
    return sorted_indices

# 示例数据
data = np.array([[3, 4, 5],
                 [2, 6, 8],
                 [4, 3, 9],
                 [5, 2, 7]])

# 权重向量
weights = np.array([0.4, 0.3, 0.3])

# 调用TOPSIS方法
sorted_indices = topsis(data, weights)

print("排序结果:")
for idx in sorted_indices:
    print(f"数据 {idx+1}: {data[idx]}")

在上面的代码中，`data`是一个二维数组，表示待评估的数据，每一行代表一个样本，每一列代表一个评价指标。`weights`是一个一维数组，表示每个指标的权重。函数`topsis`会返回按照综合评分排序后的样本索引。

请注意，这只是一个简单的示例代码，你可以根据自己的需求进行修改和扩展。