python实现模糊综合评判

红太狼 2022-10-23 05:57 149阅读 0赞

使用numpy的广播性质，可以更好的进行dataframe和series之间的运算，而不是纠结数组循环的设置。  
一级模糊综合评判，就是一个矩阵和一个数列之间取大取小的运算。这个运行结果的截图清楚的显示了具体的运算步骤。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDAxNDgzNg_size_16_color_FFFFFF_t_70]  
需要注意的是，一开始我使用原数组和数列运算并不正确，产生报错。

temp = np.minimum(df, w)

![在这里插入图片描述][20210314201922163.png]  
查阅官方技术文档，

> 一般广播规则  
> 在两个数组上运行时，NumPy会逐元素地比较它们的形状。它从尾随尺寸开始，并向前发展。两个尺寸兼容时  
> 他们是平等的，或者  
> 其中一个是1  
> 如果不满足这些条件，则抛出 ValueError: operands could not be broadcast together 异常，指示数组具有不兼容的形状。结果数组的大小是沿输入的每个轴不是1的大小。

换句话说，尺寸为1的尺寸被拉伸或“复制”以匹配另一个尺寸。因此我们需要reshape函数把数列拉伸成5\*1的矩阵才能进行运算。

代码如下

import pandas as pd
    import numpy as np
    def getdef(n):
        return  pd.read_excel('t4.xlsx')  # 这个会直接默认读取到这个Excel的第一个表单
    def fuzzy(df):
        print('\n数组为\n',df)
        w = np.array([0.35, 0.35, 0.1, 0.1, 0.1])
        ww = w.reshape(5,1)
        print('\n数列为\n',ww)
        temp = np.minimum(df, ww)
        print('\n取小运算的运算步骤\n ',temp)
        print('\n再将每列取大运算\n ',temp.max())
    if __name__ == '__main__':
        print(fuzzy(getdef(0)))

github仓库在https://github.com/rivendelltom/decision-making-study

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDAxNDgzNg_size_16_color_FFFFFF_t_70]: /images/20221023/ed15010e44814637b3f6716ceb60e8e6.png
[20210314201922163.png]: /images/20221023/c593d0eee4a842988b1ae8a356113e34.png