python DEA: 非径向距离函数（non-radial directional distance function）

最新推荐文章于 2023-07-04 22:27:01 发布

Cmmm丶

最新推荐文章于 2023-07-04 22:27:01 发布

阅读量6.1k

点赞数 6

分类专栏： Operational Research python

本文链接：https://blog.csdn.net/weixin_46090057/article/details/107055988

版权

本文介绍了如何用Python实现非径向距离函数（Non-Radial Directional Distance Function, NDDF），作者改造了pyDEA的基础代码，允许自定义投入、产出、方向向量和权重向量。文章提到了产出扩张系数可能大于1的情况，这与传统的理解有所不同。更新部分讨论了考虑非期望产出的NDDF，特别是强/弱处置性的环境问题。作者是仁荷大学的博士生，专注于能源转型和环境经济问题的研究，并欢迎交流与合作。" 52331566,4873181,网易2017内推笔试：最长公共子序列解析,"['算法', '编程挑战', '面试准备', '字符串处理', '数据结构']

摘要由CSDN通过智能技术生成

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:
    def __init__(self, inputs, outputs, weight_vector, directional_factor=None, returns='CRS',
                 in_weights=[0, None], out_weights=[0, None]):
        self.inputs = inputs
        self.outputs = outputs
        self.returns = returns
        self.weight_vector = weight_vector # weight vector in directional distance function      
        
        self.J, self.I = self.inputs.shape  # no of DMUs, inputs
        _, self.R = self.outputs.shape  # no of outputs
        self._i = range(self.I)  # inputs
        self._r = range(self.R)  # outputs
        self._j = range(self.J)  # DMUs
        if directional_factor == None:
            self.gx = self