topsis方法的代码是什么样的

以下是使用Python实现的Topsis方法代码示例：

import pandas as pd
import numpy as np

def topsis(data, weights, impacts):
    """
    :param data: 评价矩阵
    :param weights: 权重向量
    :param impacts: 影响向量，1表示正向指标，-1表示负向指标
    :return: 所有方案的TOPSIS得分和排名
    """
    # 数据标准化
    data_normalized = data / np.sqrt(np.square(data).sum(axis=0))

    # 加权
    data_weighted = data_normalized * weights

    # 确定最优和最劣方案
    v_best = np.max(data_weighted, axis=0)
    v_worst = np.min(data_weighted, axis=0)

    # 计算距离
    s_best = np.sqrt(np.square(data_weighted - v_best).sum(axis=1))
    s_worst = np.sqrt(np.square(data_weighted - v_worst).sum(axis=1))

    # 计算综合得分
    score = s_worst / (s_best + s_worst)

    # 考虑指标影响
    score *= impacts

    # 排序
    rank = score.rank(ascending=False)

    return pd.DataFrame({'TOPSIS Score': score, 'Rank': rank})

# 示例
data = np.array([[5, 10, 3], [8, 7, 9], [6, 4, 8], [3, 6, 5]])
weights = np.array([0.3, 0.4, 0.3])
impacts = np.array([1, 1, -1])
df = pd.DataFrame(data, columns=['A', 'B', 'C'])
result = topsis(df, weights, impacts)
print(result)

在上面的示例中，我们使用了一个4×3的评价矩阵，其中4个方案被评估，每个方案有3个指标。权重向量和影响向量分别指定了每个指标的重要性和方向。函数返回一个包含所有方案的TOPSIS得分和排名的数据框。