多指标评价方法-变异系数法的pathon实现

文章的目的

我们经常需要对一些企业、部门、甚至某个城市进行评价，但是用一个指标不可能全面反映这些复杂单元，所以我们经常会用很多指标进行评价，这些指标单位不统一，大小数量级有时候相差很多，把这些复杂的指标最后综合起来成为一个指数，这就是综合评分的本质。综合评价的方法有很多，主要有三类：主观综合评价、客观综合评价、主客观混合评价。本文主要是讲述客观综合平台里的变异系数法。本文有两个目标：

各个指标权重的确定

多个单元的排序（竞争力排名、大学排名、发展水平、幸福排名、税负排名诸如此类）

变异系数法的计算过程

每个城市的评价我们保留了10个指标，首先是要知道哪个指标最重要，一个人身上身上有很多伤口，有刀伤、钝器伤害、拳头打的印子，到底哪个是最致命的！我们把这种重要性的不同称为权重。所以第一件事就是确定10个指标的权重分别是多少。原理这里不谈，我们只谈下计算过程。

导入数据并做初步处理

import matplotlib.pyplot as plt  # 第1-3行代码是读入数据的时候，在Python不会产生中文乱码
plt.rcParams['font.sans-serif'] = ['microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False
import pandas as pd  # 第4-5行代码是两个数据分析有名的库，也可以称为工具吧
import numpy as np
from xlwt import *  # 这是把最后的数据结果写入excel的库
data = pd.read_excel('D:\\5.python data\\airports.xls')  # 把指定位置的excel表格数据导入python形成一个dataframe表格数据，Pd是pandas的简称，这个工具把excel中的数据读入Python中，形成一个称作dataframe的表格，正常的路径是D:\5.python data\airports.xls，但是在python中很容易产生冲突，就把“\”改成了‘\\’.excel中的表要像开始阐述的那样排列。
print(data)  # 观察导入的数据表格，如这种类型格式的数据才能导入计算。导入后如下：
 city    GDP：亿元    人口（万）  ...  进出口总值（亿元）  旅客吞吐量（万人次）  货邮吞吐量（万吨）
0   广州  21503.15  1449.84  ...    9714.36     6583.69   233.8500
1   深圳  22438.39  1252.83  ...   28075.33    18142.24   115.9000
2   珠海   2564.73   176.54  ...    3001.10      921.68     3.7400
3   佛山   9549.60   765.67  ...    4358.24     4929.00     0.0242
4   惠州   3830.58   477.70  ...    3419.77       95.69     0.4000
5   香港  22160.