@TOC在這里插入代碼片
Python: 模糊綜合評價法
去博客設置頁面，選擇一款你喜歡的代碼片高亮樣式，下面展示同樣高亮的 代碼片.

#模糊綜合評價，計算模糊矩陣和指標權重 import xlrd data=xlrd.open_workbook(r'F:\hufengling\離線數據（更新）\3.xlsx') # table1 = data.sheets()[0] #通過索引順序獲取 # table1 = data.sheet_by_index(sheet_indx)) #通過索引順序獲取 table2 = data.sheet_by_name('4day')#通過名稱獲取 # rows = table2.row_values(3) # 獲取第四行內容 cols1 = table2.col_values(0) # 獲取第1列內容，評價指標1 cols2 = table2.col_values(1) #評價指標2 nrow=table2.nrows #獲取總行數 print(nrow) #分為四個等級，優、良、中、差，兩個評價指標 u1=0;u2=0;u3=0;u4=0 #用于計算每個等級下的個數，指標1 t1=0;t2=0;t3=0;t4=0 #指標2 for i in range(nrow):if cols1[i]<=0.018:u1+=1elif cols1[i]<=0.028:u2+=1elif cols1[i]<=0.038:u3+=1else: u4+=1 print(u1,u2,u3,u4) #每個等級下的概率 pu1=u1/nrow;pu2=u2/nrow;pu3=u3/nrow;pu4=u4/nrow print(pu1,pu2,pu3,pu4) du=[pu1,pu2,pu3,pu4] for i in range(nrow):if cols2[i]<=1:t1+=1elif cols2[i]<=2:t2+=1elif cols2[i]<=3:t3+=1else: t4+=1 print(t1,t2,t3,t4) pt1=t1/nrow;pt2=t2/nrow;pt3=t3/nrow;pt4=t4/nrow print(pt1,pt2,pt3,pt4) dt=[pt1,pt2,pt3,pt4]#熵權法定義指標權重 def weight(du,dt):import mathk=-1/math.log(4)sumpu=0;sumpt=0;su=0;st=0for i in range(4):if du[i]==0:su=0else:su=du[i]*math.log(du[i])sumpu+=suif dt[i]==0:st=0else:st=dt[i]*math.log(dt[i])sumpt+=stE1=k*sumpu;E2=k*sumptE=E1+E2w1=(1-E1)/(2-E);w2=(1-E2)/(2-E)return w1,w2 def score(du,dt,w1,w2):eachS=[]for i in range(4):eachS.append(du[i]*w1+dt[i]*w2)return eachS w1,w2=weight(du,dt) S=score(du,dt,w1,w2) #S中含有四個值，分別對應四個等級，取其中最大的值對應的等級即是最后的評價結果 print(w1,w2) print(S)

總結

以上是生活随笔為你收集整理的Python: 模糊综合评价法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。