python实现模糊综合评判

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。

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)

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