topsis的python代码

好的，下面是一个简单的Python实现TOPSIS方法的代码示例：

import numpy as np

def topsis(decision_matrix, weights, impacts):
    """
    :param decision_matrix: 决策矩阵，每一行表示一个样本，每一列表示一个指标
    :param weights: 各指标的权重
    :param impacts: 各指标的影响方向，+1表示正向，-1表示负向
    :return: 各样本的TOPSIS得分
    """
    m, n = decision_matrix.shape
    # 归一化决策矩阵
    norm_matrix = decision_matrix / np.sqrt(np.sum(decision_matrix**2, axis=0))
    # 加权归一化决策矩阵
    weighted_matrix = norm_matrix * weights
    # 计算理想解和负理想解
    ideal_best = np.max(weighted_matrix, axis=0)
    ideal_worst = np.min(weighted_matrix, axis=0)
    # 计算各样本到理想解和负理想解的距离
    d_best = np.sqrt(np.sum((weighted_matrix - ideal_best)**2, axis=1))
    d_worst = np.sqrt(np.sum((weighted_matrix - ideal_worst)**2, axis=1))
    # 计算各样本的TOPSIS得分
    topsis_score = d_worst / (d_best + d_worst)
    # 将负向指标的得分取反
    topsis_score *= np.where(impacts == 1, 1, -1)
    return topsis_score

这段代码实现了TOPSIS方法的主要步骤，包括归一化决策矩阵、加权归一化决策矩阵、计算理想解和负理想解、计算各样本到理想解和负理想解的距离以及计算各样本的TOPSIS得分等。需要注意的是，这个代码示例只适用于所有指标都是数值型的情况，如果有分类型指标，需要进行额外的处理。