pandas实现层次分析法

左手的ㄟ右手 2022-11-10 05:22 150阅读 0赞

使用到了特征向量的和积法求出了数值解，避免了使用numpy自带函数产生复数解的缺点。因为在大部分情况下，决策者得到的判断矩阵都不是对称的，必然会运行出复数解。  
算例使用的是《决策理论和方法》的例5-2。  
step1，计算总矩阵的特征向量，最大特征值和一致性检验。  
step2，五个子方案的特征向量，最大特征值和一致性检验。将父子判断矩阵分别录入excel，使用函数调用不同的sheet页表格。  
step3，一致性检验，如何小于给定阈值，就返回true。  
完整代码如下。

import pandas as pd#AHP方法实现
    import numpy as np
    import myIO
    np.set_printoptions(suppress=True)
    
    
    def elga(df):#和积法求近似解的特征值特征向量
        df1=df/df.sum()
        df2 = df1.sum(1)
        df3 = df2/sum(df2)
        df4 =np.dot(df,df3)
        df5 = df4/(len(df3)*df3)
        return df3,df5.sum()
    def test(lamda,n):
        ci = (lamda-n)/(n-1)
        print('ci ',ci)
        cr = ci/ri[n]
        print('cr ',cr)
        if cr<0.1:
            return True
    if __name__ == '__main__':
        ri = pd.Series([0.58, 0.9, 1.12, 1.24, 1.32, 1.41, 1.45], index=[3, 4, 5, 6, 7, 8, 9])
        url='D:\study\\test\data\\t7.xlsx'
        df1= myIO.getdef(url,0)
        df2,df3=elga(df1)
        print('总方案矩阵为\n',df1)
        print('总方案的特征向量为\n',df2)
        print('最大特征值为\n',df3)
        print('是否满足一致性检验\n',test(df3,5))
        for i in range(1,6):
            df4= myIO.getdef(url,i)
            df5,df6= elga(df4)
            print('子方案矩阵为\n', df4)
            print('子方案的特征向量为\n',df5)
            print('最大特征值为\n',df6)
            print('是否满足一致性检验',test(df6,3))

github仓库在https://github.com/rivendelltom/decision-making-study