python for data envelopment analysis: pyDEA安装

最新推荐文章于 2023-07-04 22:27:01 发布
最新推荐文章于 2023-07-04 22:27:01 发布
阅读量3.7k 收藏 8
点赞数 2
分类专栏： Operational Research
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46090057/article/details/104597199
版权

pyDEA是一个基于pip安装的Data envelopment analysis 软件包，具有独立的GUI
采用pip指令安装

pip pyDEA

打开方式，命令行：

python -m pyDEA.main_gui

出现错误：

cannot use LOCALE flag with a str pattern

问题：pyDEA无法在python3.6及以上版本工作，创建python3.5虚拟环境运行即可

—更新-----
自己做了一些python DEA编程

考虑非期望产出的DEA模型
考虑强/弱处置有效性的python DEA编程

Cmmm丶
关注
专栏目录
python DEA: 非径向距离函数（non-radial directional distance function）
Cmmmmm丶的博客
07-01 6008
点赞发Nature 关注中Science 最近在想怎么用python实现非径向距离函数 之前用了pyDEA包https://pypi.org/project/pyDEA/，那个包比较简陋，只有普通的CCR BCC模型。 另一方面，MaxDEA因为是打包好的嘛，所以不够灵活。所以想自己做一个NDDF的模型出来。 所以用pyDEA的初始代码进行了一些改造，直接上代码： import numpy as np import pandas as pd import pulp class DEAProblem:
python无法安装第三方库_python安装第三方库的最简单方式
weixin_39774644的博客
11-20 1050
一、准备工作（只做一次准备工作，以后都会很方便）1. 安装pip（1）下载pip到D:\download（2）下载后解压到当前目录；（3）“win+R”进入cmd；依次输入如下代码：C:\Users\Administrator>cd D:\download\pip-9.0.1C:\Users\Administrator>d:D:\download\pip-9.0.1>python setup.py...
python的10款最好的IDE
妙手书生的博客
11-18 1145
Python 非常易学，强大的编程语言。Python 包括高效高级的数据结构，提供简单且高效的面向对象编程。 Python 的学习过程少不了 IDE 或者代码编辑器，或者集成的开发编辑器（IDE）。这些 Python 开发工具帮助开发者加快使用 Python 开发的速度，提高效率。高效的代码编辑器或者 IDE 应该会提供插件，工具等能帮助开发者高效开发的特性。 这篇文章收集了一些对开发者非常有
基于python的DEA绘图
weixin_30822451的博客
02-11 1290
matplotlib.pyplot 的基本绘图 matplotlib的pyplot子库提供了与matlab类似绘图API，方便用户快速绘制一些常用的基本图表 以下基本是给自己留档用的，以及让自己不用每次都查文档这么累= = figure 和 axes \(\quad\quad\) figure和axes是plt中的对象名称，注意区别axes和axis区别，一般把axes翻译为“子图” \(\qua...
数据包络分析--保证域方法（assurance region method）附python代码以及案例
weixin_43217288的博客
12-15 1162
Data envelopment analysis–Assurance region method 这个保证域方法比较简单，接下来简单概述一下： 对一个DEA模型求解，例如CCR的线性模型，我们既有可能得到的最优系数值为0，这就意味着我们并没有充分利用原数据信息，所以其实这个DMU哪怕其theta值为1，也是无效的。 针对这个情况，我们进行改进。给每个DMU的系数限定范围。这里把每个系数都与第一项作比较： model 那么接下来，就给出CCR形式下的保证域方法： 其中： 其对偶形式为： AR-有效
python DEA:强/弱处置性假设下的考虑非期望产出的非径向距离函数
Cmmmmm丶的博客
07-23 2627
点赞发Nature 关注中Science 非径向距离函数 考虑非期望产出的非径向距离函数 这一版更新比较简单，增加了强处置性假设下的非径向距离函数（NDDF）计算。比较强\弱处置假设下的NDDF，可以计算相应的环境规制成本[ Technological Forecasting & Social Change 96 (2015) 62–70]. import numpy as np import os import pandas as pd import pickle import pulp impo
python DEA: 零和数据包络分析zero-sum gain Data envelopment analysis
Cmmmmm丶的博客
09-17 3120
点赞发Nature 关注中Science 强/弱处置性假设下的距离函数 Matlab DEA 程序包 pyDEA安装 非径向距离函数 考虑非期望产出的非径向距离函数 在生产可能集中的资源再分配是在环境约束的生产过程中的一个新的研究课题。ZSG-DEA方法是解决资源分配问题的一个新兴方法。ZSG方法假设整个经济中的资源是固定的，因此一个单元的投入资源增加必然导致另一个单元的投入减少。 在解决CO2排放权分配的问题上，很多文献就采用了ZSG-DEA方法。他们假设CO2为input，其他的GDP，人口，资本投入为
dea的matlab代码包-DEA:数据包络分析物料包络分析
05-22
在此主要透过一些范例来说明如何利用Python-Gurobi来建构资料包络分析模组(Data-Envelopment-Analysis, DEA) § Requirements python 3.6 gurobipy 6.5.2 以上版本 § DEA Models 此区文章主要针对以下DEA模型进行...
包络分析代码实现python,包络数据分析,Python
09-10
数据包络分析（Data Envelopment Analysis，简称DEA）是一种多输入、多输出的效率评估方法，常用于评价和比较不同决策单元（Decision Making Units，DMUs）的相对效率。DEA模型通过构建非参数的前沿面来确定各DMU在...
SBM经济效率，操作代码以及数据，python代码
07-28
首先，SBM模型的基本思想是基于 DEA（Data Envelopment Analysis，数据包络分析）构建的，DEA 是一种运筹学方法，用于评估多输入多输出系统（如企业、医院等）的相对效率。SBM 模型与传统的 DEA 方法相比，能够更好...
DEA方法与模型的应用：数据包络分析(三).pd
10-30
DEA方法与模型的应用：数据包络分析(三).pd
超效率DEA代码文件及说明文档
10-21
DEA 是由 Charnes 等人于 1978 年首次提出的， 第一个 DEA 模型为 CCR 模型。 它的优点非常明显， 如指标数据无需 量纲化， 决策者无需掌握决策单元 （DMU） 的内部生产机制， 只需要投入和产出数据就可以对DMU 进行效率评价。
python Pulp求解线性规划问题
W
04-26 2583
  线性规划是研究线性约束条件下线性目标函数的极值问题的数学理论和方法。Python中有许多第三方的工具可以解决这类问题，这里介绍常用的pulp工具包。pulp能够解包括整数规划在内的绝大多数线性规划问题，并且提供了多种solver（解算器），每种solver针对不同类型的线性规划问题有更好的效果。 1.安装pulp库 这里讲的是在jupyter中安装python第三方库。 格式：!pip install +包名 !pip install pulp 2. 使用流程 我们解决线性规划问题一般是通过以下三
数据分析系列：绩效（效率）评价与python实现（层析分析、topsis、DEA）
u011517132的博客
04-26 8831
当分析一个项目是否可行，或多个决策中挑选出最优的一个进行执行，对以往的项目或人员进行绩效评价时，我们需要对一项业务或人员的绩效（效率）进行打分。这就是绩效（效率）评价的目标。 假设有下面一个案例，我们对一个进行产品进行用户增长的广告投放，假设我们有多个广告承接商可以选择。具体的我们应该选择哪一个广告承接商？这就可以用一些绩效评价的方法解决，可用户绩效（效率）评价的方法非常多，这里只介绍层析分析法，...
用python处理DEA模型--CCR
热门推荐
weixin_43217288的博客
12-13 1万+
python解决DEA模型–CCR 最近本人潜心学习python来解决DEA模型。DEA模型说难其实并不难，就是各种线性规划，但是它作为一个方向必然有其难点，我认为就是模型太多了，不断被创新，不断有新模型。 近来，了解到有gurobi这个库的存在，对于各种各样的模型都方便处理，太好用了！ gurobi的下载请自行去官网下载https://www.gurobi.com/。 那么本篇文章就直接附上代码。 import gurobipy import pandas as pd # 分页显示数据, 设置为 Fal
python实现超效率-SBM模型
weixin_63253486的博客
07-01 7376
python实现超效率SBM模型的代码及相关原理讲解。
DEA基础模型python代码
weixin_63461935的博客
07-04 2290
DEA是数据包络分析（）的简称，是通过数学规划模型得出效率的非参数方法，不需要对生产函数的形式进行假定。以上文字是截取自吴杰老师的《行业分析视角下中国区域环境效率研究——基于数据包络分析（DEA）方法》中的描述。（其实我的理解就是初中就学过的不等式组，只不过没有具体数字了，求最佳值也跟以前在可行域内求最大最小值的思想一样。） 吴杰老师这本书对于刚接触DEA方法的人来说真的很友好，各种基础模型之间的联系和区别都写的很清楚，不过要是想了解最新的模型，还是建议去看最新的英文文献哦。
python linspace函数_Python torch.linspace方法代碼示例
weixin_39854440的博客
12-09 1404
本文整理匯總了Python中torch.linspace方法的典型用法代碼示例。如果您正苦於以下問題：Python torch.linspace方法的具體用法？Python torch.linspace怎麽用？Python torch.linspace使用的例子？那麽恭喜您, 這裏精選的方法代碼示例或許可以為您提供幫助。您也可以進一步了解該方法所在模塊torch的用法示例。在下文中一共展示了tor...
dea模型python
最新发布
07-25
DEA（Data Envelopment Analysis）是一种用于计算相对效率的方法，常用于评估决策单元的绩效。在Python中，可以使用一些库来实现DEA模型，例如`pyDEA`和`DEAP`。 `pyDEA`是一个常用的DEA库，可以通过以下步骤安装： 1. 使用pip安装pyDEA库： ``` pip install pyDEA ``` 2. 在Python脚本中导入所需的模块： ```python from pyDEA.DEA import DEA from pyDEA.InputData import InputData from pyDEA.OutputData import OutputData ``` 3. 创建输入和输出数据对象，并加载数据： ```python input_data = InputData() input_data.loadDataFromFile('input_data.csv') output_data = OutputData() output_data.loadDataFromFile('output_data.csv') ``` 4. 创建DEA对象，并设置输入和输出数据： ```python dea = DEA() dea.setInputData(input_data) dea.setOutputData(output_data) ``` 5. 运行DEA模型并计算相对效率： ```python dea.calculateEfficiency() ``` 6. 获取计算结果： ```python efficiency_scores = dea.getEfficiencyScores() ``` 以上是使用`pyDEA`库实现DEA模型的简要步骤。你需要准备好相应的输入和输出数据文件，并根据实际情况调整代码。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值