python确定指标权重_python 实现熵权法确定各指标的权重

python 实现熵权法确定各指标的权重

熵权法是一种客观赋权方法，计算步骤如下：

a．构建各年份各评价指标的判断矩阵：

b．将判断矩阵进行归一化处理, 得到归一化判断矩阵：

c．根据熵的定义，根据各年份评价指标，可以确定评价指标的熵。

d．定义熵权。定义了第n个指标的熵后，可得到第n个指标的熵权。

f．计算系统的权重值.

要求表格形式

表格整理格式如下，但是下面的代码中没有设置不读取第一列，所以需删除第一列的名称(此列为字符串格式，不能列入计算范围)

#!/usr/bin/python

# -*- coding: utf-8 -*-

"""

@author: xiaosu

"""

import pandas as pd

import numpy as np

import math

from numpy import array

# 1读取数据

df = pd.read_excel('表格名.xlsx', encoding='gb2312')

# 2数据预处理 ,去除空值的记录

df.dropna()

#定义熵值法函数

def cal_weight(x):

'''熵值法计算变量的权重'''

# 标准化

x = x.apply(lambda x: ((x - np.min(x)) / (np.max(x) - np.min(x))))

'''

如果数据实际不为零，则赋予最小值

if x==0:

x=0.00001

else:

pass

'''

# 求k

rows = x.index.size # 行

cols = x.columns.size # 列

k = 1.0 / math.log(rows)

lnf = [[None] * cols for i in range(rows)]

# 矩阵计算--

# 信息熵

x = array(x)

lnf = [[None] * cols for i in range(rows)]

lnf = array(lnf)

for i in range(0, rows):

for j in range(0, cols):

if x[i][j] == 0:

lnfij = 0.0

else:

p = x[i][j] / x.sum(axis=0)[j]

lnfij = math.log(p) * p * (-k)

lnf[i][j] = lnfij

lnf = pd.DataFrame(lnf)

E = lnf

# 计算冗余度

d = 1 - E.sum(axis=0)

# 计算各指标的权重

w = [[None] * 1 for i in range(cols)]

for j in range(0, cols):

wj = d[j] / sum(d)

w[j] = wj

# 计算各样本的综合得分,用最原始的数据

w = pd.DataFrame(w)

return w

if __name__ == '__main__':

# 计算df各字段的权重

w = cal_weight(df) # 调用cal_weight

w.index = df.columns

w.columns = ['weight']

print(w) #输出权重

print('熵权法计算权重运行完成!')

数据计算结果如下图：(只是部分截图)

关于程序中的部分说明：

1.本文中所用的是 min-max标准化(Min-Max Normalization)

2.遇到负向指标： 归一化是将数据变成0-1之间的小数，将有量纲变成无量纲。所以负向指标中的数据提前加上负号(但是计算出来的权重可能不是小于零的)(本人涉及不深，今后会逐步补充完善)

3.关于负向指标的标准化，貌似有不同的计算中(印象中)，再看到就加进去