index_calmeth

index_calmeth.non_dimension

tiny_convert

tiny_convert(ndarray, mode, change_list)

将负向指标转化为正向指标，具体用法参照示例。

Arguments:

• ndarray : np.ndarray

待转换数据集。

• mode : str

转换模式。mode='0' 是 1/x 模式，而mode='1'为max(x)-x模式。

• change_list : list of ints

待转换指标下标构成的列表。

Returns:

• result_array : np.ndarray

返回全部转换为正向指标的数据集。

---

middle_convert

middle_convert(ndarray, change_list, best_value)

将中间型指标转换为正向指标，具体用法参照示例。

Arguments:

• ndarray : np.ndarray:

待转换数据集。

• change_list : list of ints

待转换指标下标构成的列表。

• best_value : list of ints or floats

待转换指标的最佳值组成的列表。

Returns:

• result_array : np.ndarray

返回全部转换为正向指标的数据集。

---

moderate_convert

moderate_convert(ndarray, change_list, low_limit, high_limit)

将适度型指标转换为正向指标，具体用法参照示例。

Arguments:

• ndarray : np.ndarray

待转换数据集。

• change_list : list of ints

待转换指标下标构成的列表。

• low_limit : list of ints or floats

待转换指标适度区间的下限组成的列表。

• high_limit : list of ints or floats

待转换指标适度区间的上限组成的列表。

Returns:

• result_array : np.ndarray

返回全部转换为正向指标的数据集。

---

toone

toone(origin_array, mode)

将待转换数据进行归一化，具体用法参照示例。

Arguments:

• origin_array : np.ndarray

待转换数据集

• mode : str

转换模式。mode='0'为归一化，mode='1'为平均归一化，mode='2'为标准化，mode='3'为向量归一化。

Returns:

• result_array : np.ndarray

返回归一化的数据集。

---

---

index_calmeth.weights

critic

critic(origin_array)

对于给定指标数据使用critic方法计算各指标权重，具体用法参照示例。

Arguments:

• origin_array : np.ndarray

给定指标数据。

Returns:

• critic_weights : np.ndarray

返回得到的critic权重。

---

ewm

ewm(origin_array)

对于给定指标数据使用熵权法计算各指标权重，具体用法参照示例。

Arguments:

• origin_array : np.ndarray

给定指标数据。

Returns:

• critic_weights : np.ndarray

返回得到的熵权法权重。

---

stddev

std(origin_array)

对于给定指标数据使用标准离差法计算各指标权重，具体用法参照示例。

Arguments:

• origin_array : np.ndarray

给定指标数据。

Returns:

• stddev_weights : np.ndarray

返回得到的标准离差法权重。

---

gini

gini(origin_array)

对于给定指标数据使用基尼系数法计算各指标权重，具体用法参照示例。

Arguments:

• origin_array : np.ndarray

给定指标数据。

Returns:

• stddev_weights : np.ndarray

返回得到的基尼系数法权重。

---

---

index_calmeth.rating_method

rsr

rsr(data_origin, weights)

使用整次秩和比方法对指标数据进行综合评分（注：该方法只涉及rsr的打分部分，不包含后续的确认分布、直线回归以及排序分档），具体用法参照示例。

Arguments:

• data_origin : np.ndarray

正向化之后的指标数据

• weights : list(np.ndarray) of ints or floats

指标权重数据

Returns:

• rsr_score : np.ndarray

参数无误的情况下，返回rsr评分。

---

ni_rsr

ni_rsr(data_origin, weights)

使用非整次秩和比方法对指标数据进行综合评分（注：该方法同样只涉及rsr的打分部分，不包含后续的确认分布、直线回归以及排序分档），具体用法参照示例。

Arguments:

• data_origin : np.ndarray

正向化之后的指标数据

• weights : list(np.ndarray) of ints or floats

指标权重数据

Returns:

• rsr_score : np.ndarray

参数无误的情况下，返回ni_rsr评分。

---

topsis

topsis(data_origin, weights)

使用优劣解距离法(Topsis, Technique for Order Preference by Similarity to an Ideal Solution)对指标数据进行综合评分，具体用法参照示例。

Arguments:

• data_origin : np.ndarray

正向化之后的指标数据

• weights : list(np.ndarray) of ints or floats

指标权重数据

Returns:

• topsis_score : np.ndarray

参数无误的情况下，返回topsis评分。