R 熵权法计算权重及综合得分

        最近工作中需要根据大数据智能计算，预测或者推荐出供应链付款优先/权重来，以往都是人工根据供应商关系等因素做付款的一个优先级，并不能客观的将付款策略分发到其他供应商，现根据大数据客观计算，记录一下

1，获取数据

        获取数据从starRocks，

library(RMySQL)
library(tibble)
library(dplyr)
criterions_cite <- function(){
  #建立连接，project_name表示项目数据库名称
  conn <- dbConnect(MySQL(), dbname = 'ods', username = 'pxxx', password = 'xxx', host = 'xx.xx.xx.xx', port = 9030)
  #如果表中有中文出现乱码，可以添加以下代码
  #dbSendQuery(conn, 'SET NAMES GBK')
  #sheet_name表示需要读取的表格名称
  filter_statements <- paste0('SELECT * FROM ods_fkyc_local')
  #过滤数据
  res <- dbSendQuery(conn, filter_statements)
  #提取数据，-1表示全部提取，3表示取三行数据
  dat <- dbFetch(res, -1)
  #关闭RMySQL中的数据集
  dbClearResult(dbListResults(conn)[[1]])
  #关闭连接
  dbDisconnect(conn)
  return(dat)
}
# 从数据库拿到数据集
mydt <- criterions_cite()
tb.mydt <- as_tibble(mydt)

2,指定指标项的正，负向指标

        像销售额，负卖金额越大越好的指定为正向指标

        像残次库存，滞销库存，欠收金额 这种指标约少越好指定为负向指标

# 1,归一化,正向指标
min_max_norm <- function(x) {
  (x - min(x)) / (max(x) - min(x))
}
# 负向指标
max_min_norm <- function(x) {
  (max(x) - x) / (max(x) - min(x))
}

# 归一化处理,先处理正项指标
min_max_norm_mydt <- tb.mydt %>% mutate(across(c(9,13,14), min_max_norm))
# 再先处理负项指标
max_min_norm_mydt <- min_max_norm_mydt %>% mutate(across(c(10,11,12), max_min_norm))

3，归一化后计算指标

p_value <- function(x){
  x / sum(x)
}
p_mydt <- max_min_norm_mydt %>% mutate(across(c(9:14), p_value))

## 计算熵值
entropy <- function(x){
  n <- length(x)
  (-1 / log2(n)) * (sum( x * ifelse(log2(x)==-Inf, 0, log2(x)) ))
}

e_mydt <- p_mydt %>% summarise(across(c(9:14), entropy)) 
e_mydt
d_mydt = 1-e_mydt
d_mydt

w = d_mydt/sum(d_mydt)
w

w及为权重

4，再计算综合得分并排名，之后导出

fscore <- function(x, y){
  sum(x*y)
}

old_data <- rename(tb.mydt[,9:14],c(old_ZPO_K001_sum="ZPO_K001_sum",old_zpo_k006_sum="zpo_k006_sum",old_zx0030_sum="zx0030_sum",old_fyjj201to03_sum="fyjj201to03_sum",old_wpfm_sum="wpfm_sum",old_total_amount="total_amount"))
result_data=cbind(max_min_norm_mydt,old_data)

mydt3 <- result_data %>% group_by(1:n()) %>% mutate(score = fscore(c_across(9:14), w)) %>% arrange(-score) %>% ungroup() %>% select("com_code","organization_name","lifnr","name1","dept_no","dept_name","brand_code","brand_name","ZPO_K001_sum","zpo_k006_sum","zx0030_sum","fyjj201to03_sum","wpfm_sum","total_amount","old_ZPO_K001_sum","old_zpo_k006_sum","old_zx0030_sum","old_fyjj201to03_sum","old_wpfm_sum","old_total_amount","score")

write.table(mydt3, file = "/app/bigdata_app/data/fkyc/MyData.csv",quote = FALSE,row.names=FALSE, col.names=FALSE)

将计算完的数据导出csv文件，并streamload进starRocks中