博客

注：

df是所有数据组成的矩阵

z是用于记录数据是正向数据还是逆向数据的一维矩阵，1表示正向，0表示逆向

#熵权法
def sqf(df,z,n,m):    #pf是矩阵，z是一维数组,n列开始，前m行为索引
    pf = df.iloc[:,n:]
    pff=df.iloc[:,:m]
    MAX=pf.max(axis=0)
    MIN=pf.min(axis=0)
    for i in range(len(z)):
        #正向
        if z[i]==1:
            k=(pf.iloc[:,i]-MIN[i])/(MAX[i]-MIN[i])
        #逆向
        else:
            k=(MAX[i]-pf.iloc[:,i])/(MAX[i]-MIN[i])
        #求熵
        p=pd.DataFrame((k/sum(k)).astype('float'))
        p=p*pd.DataFrame(p.apply(np.log))
        p=p.fillna(value=0)   #分母为0时取0
        p=(1-(-1)*(p.sum())/math.log(len(pf.iloc[0]))).values
        if i==0:
            kk=pd.DataFrame(k,columns=[pf.columns[i]])
            pp=[p]
        else:
            kk[pf.columns[i]]=k
            pp.append(p)
    q=[]
    for i in range(len(z)):   #求权重
        q.append(pp[i]/sum(pp))
    for i in range(len(q)):    #计算得分
        if i==0:
            s=kk.iloc[:,i]*q[i]*100
        else:
            s=s+kk.iloc[:,i]*q[i]*100
    pff['得分'] = s    #添加到原数据后面
    pff.sort_values(by=['得分'],ascending=False,inplace=True)   #降序排列
    pff['排名'] = np.arange(1,len(df)+1)
    return pff