Python综合评价模型（三）秩和比法

秩和比法（Rank Sum Ratio）是基于评价指标矩阵的秩和比（RSR）统计量对评价对象进行综合评价的方法

秩（Rank）是指将一组数据按照大小顺序排列后，每个数据所在的位置

第一步 导入第三方库和案例数据

import numpy as np
import pandas as pd

#按指定路径导入数据，以“地区”为索引（文件路径需按实际情况更换）
data = pd.read_excel(r'C:/Users/AROUS/Desktop/综合评价数据.xlsx', index_col = '地区')
data

第二步 标准化数据

#定义z-score标准化函数
def z_score(x): 
    return (x - x.mean()) / x.std()

#使用z-score标准化函数标准化数据
data_z = data.apply(z_score, 0)
data_z

第三步 编秩

参数method可选’average’、‘min’、‘max’、‘first’、‘dense’，默认为’average’
参数ascending可选’True’（从小到大排序）、‘False’（从大到小排序），默认为’True’

如对50、30、30、20、10从小到大排序：

• 使用’average’的排名结果为5、3.5、3.5、2、1
• 使用’min’的排名结果为5、3、3、2、1
• 使用’max’的排名结果为5、4、4、2、1
• 使用’first’的排名结果为5、3、4、2、1
• 使用’dense’的排名结果为4、3、3、2、1

rank = data_z.rank(method = 'average')
rank

第四步 计算秩和比

方式1 计算秩的简单平均（评价指标权重相等）

data['秩和比法得分1'] = rank.mean(axis = 1) / rank.shape[0]
data['秩和比法排名1'] = data.秩和比法得分1.rank(ascending = False).astype(int)
data

方式2 计算秩的加权平均（评价指标权重不等）

#导入评价指标权重
w_list = [0.2, 0.15, 0.15, 0.1, 0.1, 0.1, 0.1, 0.1]
w = pd.DataFrame(w_list, columns=['评价指标权重'])
w

#计算灰色关联系数的加权平均
data['秩和比法得分2'] = rank.values.dot(w.values) / rank.shape[0]
data['秩和比法排名2'] = data.秩和比法得分2.rank(ascending = False).astype(int)
data

第五步 导出综合评价结果

data.to_excel('秩和比法综合评价结果.xlsx', index = True)

$下期预告：Python综合评价模型（四）主成分分析法$

$关注公众号“TriHub数研社”发送“230226”获取案例数据和代码$