没有合适的资源？快使用搜索试试~ 我知道了~

文库首页开发技术其它SQL server 2000自学教程(PDG)

SQL server 2000自学教程(PDG)

共354个文件

pdg：353个

dat：1个

SQL

需积分: 3 21 下载量 80 浏览量 2008-09-19 11:38:23 上传评论收藏 7.26MB RAR 举报

温馨提示

SQL server 2000自学教程(PDG)SQL server 2000自学教程(PDG)SQL server 2000自学教程(PDG)SQL server 2000自学教程(PDG)

资源推荐

资源详情

资源评论

# -- coding: utf-8 -- """ 麒麟系统熵权法分析工具 - 支持正负向指标功能：Excel导入 → 数据标准化(区分正负向指标) → 熵权法计算 → 可视化 → 导出结果 """ # 安装依赖 (终端执行) # sudo apt update # pip3 install pandas numpy matplotlib openpyxl xlrd scipy import pandas as pd import numpy as np import matplotlib.pyplot as plt from scipy.stats import entropy import os # ===== 1. 从Excel文件读取数据 ===== excel_path = "企业评估数据.xlsx" # 修改为你的Excel文件名 if not os.path.exists(excel_path): print(f"错误：文件 '{excel_path}' 不存在，请检查路径！") exit() try: df = pd.read_excel(excel_path, index_col=0) # 第一列作为索引（企业名称） print("成功读取Excel数据:") print(df.head()) except Exception as e: print(f"读取Excel文件失败: {e}") exit() # ===== 2. 定义指标方向 ===== """ 重要：根据你的实际指标类型设置方向正向指标：值越大越好（如利润率、客户满意度）负向指标：值越小越好（如成本、故障率） """ # 示例：假设有4个指标，前2个是正向，后2个是负向 # 请根据你的实际数据修改这个字典 # 键：指标列名，值：1表示正向指标，-1表示负向指标 directions = { '研发投入': 1, # 正向指标（投入越多越好） '专利数量': 1, # 正向指标（数量越多越好） '市场占有率': 1, # 正向指标（占有率越高越好） '客户满意度': 1, # 正向指标（满意度越高越好） '成本': -1, # 负向指标（成本越低越好） '故障率': -1 # 负向指标（故障率越低越好） } # 只保留数据中存在的指标 valid_directions = {col: dir for col, dir in directions.items() if col in df.columns} if not valid_directions: print("错误：方向字典中的指标名称与数据列不匹配！") print("数据中的列:", df.columns.tolist()) exit() print("\n指标方向设置:") for col, dir in valid_directions.items(): print(f"{col}: {'正向指标' if dir == 1 else '负向指标'}") # ===== 3. 数据预处理 ===== # 检查并处理缺失值 if df.isnull().sum().sum() > 0: print("\n发现缺失值，使用列平均值填充...") df = df.fillna(df.mean()) # 检查数据类型 non_numeric_cols = [col for col in df.columns if not np.issubdtype(df[col].dtype, np.number)] if non_numeric_cols: print(f"\n错误：以下列包含非数值类型: {non_numeric_cols}") print("请确保所有指标列都是数字类型！") exit() # ===== 4. 区分正负向指标进行标准化 ===== def normalize_data(series, direction): """根据指标方向进行标准化""" min_val = series.min() max_val = series.max() range_val = max_val - min_val if range_val == 0: # 避免除以零 return pd.Series(np.zeros(len(series)), index=series.index if direction == 1: # 正向指标 return (series - min_val) / range_val else: # 负向指标 return (max_val - series) / range_val # 应用标准化 normalized_df = pd.DataFrame() for col in df.columns: if col in valid_directions: normalized_df[col] = normalize_data(df[col], valid_directions[col]) else: print(f"警告: 列 '{col}' 未指定方向，默认按正向指标处理") normalized_df[col] = normalize_data(df[col], 1) print("\n标准化后数据预览:") print(normalized_df.head().round(3)) # ===== 5. 熵权法计算权重 ===== # 计算指标比重 p = normalized_df / normalized_df.sum() # 计算熵值 (避免log(0)错误) e = p.apply(lambda x: entropy(x.replace(0, 1e-10))) # 计算权重 weights = (1 - e) / (1 - e).sum() print("\n各指标权重:") print(weights.round(3)) # ===== 6. 计算综合得分 ===== df["综合得分"] = (normalized_df * weights).sum(axis=1) df["排名"] = df["综合得分"].rank(ascending=False).astype(int) # ===== 7. 可视化结果 ===== plt.figure(figsize=(14, 10)) # 权重可视化 plt.subplot(221) weights.sort_values().plot(kind="barh", color="skyblue") plt.title("指标权重分布", fontsize=12) plt.xlabel("权重值", fontsize=10) plt.grid(axis='x', linestyle='--', alpha=0.7) # 企业得分可视化 plt.subplot(222) df["综合得分"].sort_values().plot(kind="barh", color="lightgreen") plt.title("企业综合得分排名", fontsize=12) plt.xlabel("得分", fontsize=10) plt.grid(axis='x', linestyle='--', alpha=0.7) # 指标方向可视化 plt.subplot(223) colors = ['green' if valid_directions.get(col, 1) == 1 else 'red' for col in weights.index] pd.Series(valid_directions).plot(kind="bar", color=colors) plt.title("指标方向分布", fontsize=12) plt.ylabel("方向 (1=正向, -1=负向)", fontsize=10) plt.grid(axis='y', linestyle='--', alpha=0.7) # 得分分布图 plt.subplot(224) df["综合得分"].plot(kind="kde", color="purple", alpha=0.7) plt.title("综合得分分布", fontsize=12) plt.xlabel("得分", fontsize=10) plt.grid(True, linestyle='--', alpha=0.7) plt.tight_layout(pad=3.0) plt.savefig("得分分析图.png", dpi=150) print("\n可视化图表已保存为: 得分分析图.png") # ===== 8. 导出Excel报告 ===== output_file = "熵权法分析报告.xlsx" try: with pd.ExcelWriter(output_file, engine='openpyxl') as writer: # 保存综合得分表 df.to_excel(writer, sheet_name="综合得分") # 保存权重表 weights_df = pd.DataFrame({ '权重': weights, '方向': [valid_directions.get(col, '未指定') for col in weights.index] }) weights_df.to_excel(writer, sheet_name="指标权重") # 保存标准化数据 normalized_df.to_excel(writer, sheet_name="标准化数据") # 添加可视化图表到Excel from openpyxl.drawing.image import Image workbook = writer.book worksheet = workbook.create_sheet("可视化结果") img = Image("得分分析图.png") worksheet.add_image(img, "B2") print(f"\n分析完成! 结果已保存至: {output_file}") print(f"包含工作表: 综合得分, 指标权重, 标准化数据, 可视化结果") except Exception as e: print(f"\n导出Excel时出错: {e}") print("尝试保存不带图片的Excel...") with pd.ExcelWriter("简化版报告.xlsx") as writer: df.to_excel(writer, sheet_name="综合得分") weights_df.to_excel(writer, sheet_name="指标权重") normalized_df.to_excel(writer, sheet_name="标准化数据") print("已保存简化版报告: 简化版报告.xlsx") # 显示图表（可选） plt.show()上述代码有无效语句进行修改并检查

<think>我们正在处理用户关于Python语法错误的问题。用户希望检查并修复Python代码中的......

收起资源包目录

SQL server 2000自学教程(PDG) （354个子文件）

bookinfo.dat 133B

cov001.pdg 78KB

000024.pdg 71KB

000058.pdg 39KB

000297.pdg 38KB

000322.pdg 38KB

000010.pdg 37KB

000009.pdg 36KB

000002.pdg 36KB

000045.pdg 35KB

000007.pdg 35KB

000008.pdg 34KB

000117.pdg 34KB

000006.pdg 34KB

000326.pdg 33KB

000013.pdg 33KB

000291.pdg 33KB

000075.pdg 33KB

000005.pdg 33KB

000074.pdg 32KB

000307.pdg 32KB

000315.pdg 32KB

000003.pdg 32KB

000032.pdg 32KB

000072.pdg 32KB

000049.pdg 32KB

000055.pdg 31KB

000319.pdg 31KB

000073.pdg 31KB

000316.pdg 31KB

000255.pdg 31KB

000323.pdg 31KB

000324.pdg 31KB

000044.pdg 31KB

000051.pdg 31KB

000048.pdg 30KB

000052.pdg 30KB

000019.pdg 30KB

000320.pdg 30KB

000026.pdg 30KB

000001.pdg 30KB

000317.pdg 30KB

000295.pdg 30KB

000321.pdg 30KB

000308.pdg 29KB

000033.pdg 29KB

000012.pdg 29KB

000318.pdg 29KB

000060.pdg 29KB

000011.pdg 29KB

000178.pdg 28KB

000167.pdg 28KB

000265.pdg 28KB

000096.pdg 28KB

000325.pdg 28KB

000078.pdg 28KB

000043.pdg 28KB

000222.pdg 28KB

000027.pdg 27KB

000237.pdg 27KB

000306.pdg 27KB

000076.pdg 27KB

000041.pdg 27KB

000082.pdg 27KB

000293.pdg 27KB

000034.pdg 27KB

000134.pdg 27KB

000050.pdg 27KB

000059.pdg 27KB

000031.pdg 27KB

000039.pdg 27KB

000252.pdg 27KB

000018.pdg 27KB

000253.pdg 26KB

000081.pdg 26KB

000313.pdg 26KB

000094.pdg 26KB

000029.pdg 26KB

000201.pdg 26KB

000214.pdg 26KB

000122.pdg 26KB

000057.pdg 26KB

000084.pdg 26KB

000124.pdg 26KB

000061.pdg 25KB

000274.pdg 25KB

000071.pdg 25KB

000294.pdg 25KB

000241.pdg 25KB

000065.pdg 25KB

000333.pdg 25KB

000047.pdg 25KB

000282.pdg 25KB

000277.pdg 25KB

000166.pdg 25KB

000298.pdg 25KB

000329.pdg 25KB

000172.pdg 25KB

000310.pdg 25KB

000083.pdg 25KB

共 354 条

评论收藏

内容反馈

资源评论

资源反馈

评论星级较低，若资源使用遇到问题可联系上传者，3个工作日内问题未解决可申请退款~

zzcbyl

粉丝: 65

上传资源快速赚钱

我的内容管理展开

我的资源快来上传第一个资源

我的收益

登录查看自己的收益

我的积分登录查看自己的积分

我的C币登录后查看C币余额

我的收藏

我的下载

下载帮助

前往需求广场，查看用户热搜

SQL server 2000自学教程(PDG)

数据库教程SQL Server 2000学习教程(PDG)

SQL Server 2000学习教程(PDG)

SQLserver2000自学教程

SQL Server 2000数据开发(PDG)

sql server 2000学习教程(pdg)

SQL Server 2000程序设计(PDG)

SQL Server 2000数据库管理(PDG)

SQL Server 2000数据库开发(PDG)

SQL server 2000自学教程

sqlserver自学教程

SQL Server 2000 学习教程

SQL SERVER 2000的教程

SQLServer2000高级编程技术PDG

SQL Server 2000开发指南(PDG)

SQL Server 2000 高级编程技术(PDG)

中文Access 2000 培训教程(PDG)

SQL Server 2000与ASP Web 数据库编程技术(PDG)

SQL Server 2000 高级编程技术(PDG).rar

PHP与SQL Server 2000架构Windows Web数据库实务(PDG)

SQL.Server.2000教程

《扣子开发AI Agent智能体应用》全书案例重现

最新资源