【数学建模】Topsis法python代码

     昨天学习了Topsis法的基本概念，今天就来一起实践一下，用python实现topsis法

 代码分块解释 

 1、引入numpy库

 numpy as np

2、输入参评与指标数目 

# 用户输入参评数目和指标数目，将输入的字符串转换为数值
print("请输入参评数目：")
n = int(input()) # 接收参评数目，输入的数转换成int
print("请输入指标数目：")
m = int(input()) # 接收指标数目
print("请输入类型矩阵：1.极大型，2.极小型，3.中间型，4.区间型")
kind = input().split(" ")# 将输入的字符串按空格分割，形成列表

 3、接收输入的矩阵并转换成numpy数组

# 接收输入的矩阵并转换成numpy数组
print("请输入矩阵：")
A = np.zeros(shape=(n,m)) # 初始化一个n行m列的全零矩阵A
for i in range(n):
    A[i] = input().split(" ") # 接收每行输入的数据
    A[i] = list(map(float, A[i])) # 将接收到的字符串转换为浮点型列表
print("输入矩阵为，\n{}".format(A))

4.转化函数

极小型转化 为极大型指标

def minTomax(maxx, x):
    x = list(x)
    ans = [[(maxx-e)] for e in x] #列表推导式
    return np.array(ans)

中间型指标转化为极大型指标

def midTomax(bestx,x):
    x = list(x)
    h = [abs(e-bestx) for e in x]
    M = max(h)
    if M == 0:
        M = 1
    ans = [[(1-e/M)] for e in h]
    return np.array(ans)

区间型指标转化为极大型指标

def regTomax(lowx, highx, x):
    x = list(x)
    M = max(lowx-min(x), max(x)-highx)
    if M == 0:
        M = 1
    ans = []
    for i in range(len(x)):
        if x[i]
            ans.append([1-(lowx-x[i])/M])
        elif x[i]>highx:
            ans.append([1-(x[i]-highx)/M])
        else:
            ans.append([1])
    return np.array(ans)

 计算统一指标后的矩阵

X = np.zeros(shape=(n, 1))
for i in range(m):
    if kind[i] == "1":
        v = np.array(A[:, i])
    elif kind[i] =="2":
        maxA = max(A[:, i])
        v = minTomax(maxA, A[:, i])
    elif kind[i] == "3":
        print("类型三：请输入最优值：")
        bestA = eval(input())
        v = midTomax(bestA, A[:, i])
    elif kind[i] == "4":
        print("类型四：请输入区间【a，b】值a：")
        lowA = eval(input())
        print("类型四：请输入区间【a，b】值b：")
        highA = eval(input())
        v = regTomax(lowA, highA, A[:, i])
    if i==0:
        X = v.reshape(-1, 1)
    else:
        X = np.hstack([X, v.reshape(-1,1)])
print("统一指标后矩阵为：\n{}".format(X))
 
# 标准化
X = X.astype('float')
for j in range(m):
    X[:, j] = X[:, j]/np.sqrt(sum(X[:, j]**2))# 少加了一个”，“导致报错
    # 开根号
print("标准化矩阵为：\n{}".format(X))

 计算距离

#最大值与最小值距离的计算
x_max = np.max(X, axis=0)
x_min = np.min(X, axis=0)
d_z = np.sqrt(np.sum(np.square((X - np.tile(x_max, (n, 1)))), axis=1))
d_f = np.sqrt(np.sum(np.square((X - np.tile(x_min, (n, 1)))), axis=1))
print('每个指标的最大值：',x_max)
print('每个指标的最小值：',x_min)
print('d+向量：',d_z)
print('d-向量：',d_f)
 
s = d_f/(d_z+d_f)
Score = 100*s/sum(s)
for i in range(len(Score)):
    print(f"第{i+1}个标准化后百分制得分为：{Score[i]}")

 完整代码

import numpy as np
 
# 用户输入参评数目和指标数目，将输入的字符串转换为数值
print("请输入参评数目：")
n = int(input()) # 接收参评数目，输入的数转换成int
print("请输入指标数目：")
m = int(input()) # 接收指标数目
print("请输入类型矩阵：1.极大型，2.极小型，3.中间型，4.区间型")
kind = input().split(" ")# 将输入的字符串按空格分割，形成列表
 
# 接收输入的矩阵并转换成numpy数组
print("请输入矩阵：")
A = np.zeros(shape=(n,m)) # 初始化一个n行m列的全零矩阵A
for i in range(n):
    A[i] = input().split(" ") # 接收每行输入的数据
    A[i] = list(map(float, A[i])) # 将接收到的字符串转换为浮点型列表
print("输入矩阵为，\n{}".format(A))
 
def minTomax(maxx, x):
    x = list(x)
    ans = [[(maxx-e)] for e in x] #列表推导式
    return np.array(ans)
 
def midTomax(bestx,x):
    x = list(x)
    h = [abs(e-bestx) for e in x]
    M = max(h)
    if M == 0:
        M = 1
    ans = [[(1-e/M)] for e in h]
    return np.array(ans)
 
def regTomax(lowx, highx, x):
    x = list(x)
    M = max(lowx-min(x), max(x)-highx)
    if M == 0:
        M = 1
    ans = []
    for i in range(len(x)):
        if x[i]
            ans.append([1-(lowx-x[i])/M])
        elif x[i]>highx:
            ans.append([1-(x[i]-highx)/M])
        else:
            ans.append([1])
    return np.array(ans)
 
X = np.zeros(shape=(n, 1))
for i in range(m):
    if kind[i] == "1":
        v = np.array(A[:, i])
    elif kind[i] =="2":
        maxA = max(A[:, i])
        v = minTomax(maxA, A[:, i])
    elif kind[i] == "3":
        print("类型三：请输入最优值：")
        bestA = eval(input())
        v = midTomax(bestA, A[:, i])
    elif kind[i] == "4":
        print("类型四：请输入区间【a，b】值a：")
        lowA = eval(input())
        print("类型四：请输入区间【a，b】值b：")
        highA = eval(input())
        v = regTomax(lowA, highA, A[:, i])
    if i==0:
        X = v.reshape(-1, 1)
    else:
        X = np.hstack([X, v.reshape(-1,1)])
print("统一指标后矩阵为：\n{}".format(X))
 
# 标准化
X = X.astype('float')
for j in range(m):
    X[:, j] = X[:, j]/np.sqrt(sum(X[:, j]**2))# 少加了一个”，“导致报错
    # 开根号
print("标准化矩阵为：\n{}".format(X))
 
#最大值与最小值距离的计算
x_max = np.max(X, axis=0)
x_min = np.min(X, axis=0)
d_z = np.sqrt(np.sum(np.square((X - np.tile(x_max, (n, 1)))), axis=1))
d_f = np.sqrt(np.sum(np.square((X - np.tile(x_min, (n, 1)))), axis=1))
print('每个指标的最大值：',x_max)
print('每个指标的最小值：',x_min)
print('d+向量：',d_z)
print('d-向量：',d_f)
 
s = d_f/(d_z+d_f)
Score = 100*s/sum(s)
for i in range(len(Score)):
    print(f"第{i+1}个标准化后百分制得分为：{Score[i]}")