TOPSIS算法实战：用Python给河流水质排个名，附完整代码与避坑指南

TOPSIS算法实战：用Python给河流水质排个名，附完整代码与避坑指南

当环保部门拿到一份包含含氧量、PH值、细菌数、水草量等指标的河流水质数据时，如何科学评估各条河流的健康状况？传统的主观评分方法往往存在偏差，而TOPSIS算法提供了一种客观量化的解决方案。本文将手把手带你用Python实现这一过程，特别针对PH值等特殊指标的处理给出详细避坑指南。

1. 理解TOPSIS算法的核心思想

TOPSIS（Technique for Order Preference by Similarity to Ideal Solution）是一种多准则决策分析方法。它的核心思想很直观：

• 理想解：假设存在一个所有指标都达到最优值的虚拟方案
• 负理想解：假设存在一个所有指标都是最差值的虚拟方案
• 评分原理：评估每个实际方案与这两个极端方案的距离，距离理想解越近且距离负理想解越远的方案得分越高

具体到河流水质评估场景：

# 伪代码示意 def topsis_score(data): ideal = [max(含氧量), 7, min(细菌数), 介于500-1000的水草量] worst = [min(含氧量), 偏离7最远的值, max(细菌数), 偏离500-1000最远的水草量] # 计算每个河流与理想解和负理想解的距离 dist_to_ideal = 计算距离(河流数据, ideal) dist_to_worst = 计算距离(河流数据, worst) return dist_to_worst / (dist_to_ideal + dist_to_worst)

2. 数据准备与指标类型分析

假设我们有以下河流水质数据（示例）：

指标类型分析：

1. 极大型指标：含氧量（越大越好）
2. 中间型指标：PH值（越接近7越好）
3. 极小型指标：细菌数（越小越好）
4. 区间型指标：水草量（500-1000为最佳）

注意：在实际应用中，指标类型的判断直接影响后续的正向化处理，这是最容易出错的第一步。

3. 数据正向化处理实战

不同类型指标需要不同的正向化方法：

3.1 极大型指标处理（含氧量）

原始数据已经是极大型，无需处理：

oxygen = df['含氧量'].values

3.2 中间型指标处理（PH值）

PH值的最优值为7，使用中间型转换公式：

def mid_to_max(x, best): m = np.max(np.abs(x - best)) return 1 - np.abs(x - best)/m ph = df['PH值'].values ph_score = mid_to_max(ph, best=7)

3.3 极小型指标处理（细菌数）

使用取反法转换：

def min_to_max(x): return np.max(x) - x bacteria = df['细菌数'].values bacteria_score = min_to_max(bacteria)

3.4 区间型指标处理（水草量）

最佳区间为[500,1000]：

def interval_to_max(x, a, b): m = max(a - np.min(x), np.max(x) - b) score = np.zeros_like(x) for i in range(len(x)): if x[i] < a: score[i] = 1 - (a - x[i])/m elif x[i] > b: score[i] = 1 - (x[i] - b)/m else: score[i] = 1 return score plants = df['水草量'].values plants_score = interval_to_max(plants, 500, 1000)

避坑提示：区间型指标的正向化最容易出错，特别是当数据超出区间范围时的处理逻辑。

4. 数据标准化与权重分配

4.1 标准化处理

消除量纲影响，使用向量归一化：

def normalize(data): return data / np.sqrt(np.sum(data**2)) # 合并所有正向化后的指标 all_scores = np.vstack([oxygen, ph_score, bacteria_score, plants_score]).T normalized = normalize(all_scores)

4.2 权重分配方法

可以使用熵权法自动计算权重，也可以根据专家经验手动分配。这里展示熵权法实现：

def entropy_weight(data): p = data / np.sum(data, axis=0) entropy = -np.sum(p * np.log(p + 1e-10), axis=0) / np.log(len(data)) return (1 - entropy) / np.sum(1 - entropy) weights = entropy_weight(normalized)

5. TOPSIS核心计算与结果分析

5.1 计算理想解与负理想解

# 加权后的数据 weighted = normalized * weights # 理想解（各指标最大值） ideal = np.max(weighted, axis=0) # 负理想解（各指标最小值） worst = np.min(weighted, axis=0)

5.2 计算距离与得分

# 欧式距离计算 dist_ideal = np.sqrt(np.sum((weighted - ideal)**2, axis=1)) dist_worst = np.sqrt(np.sum((weighted - worst)**2, axis=1)) # 综合得分 score = dist_worst / (dist_ideal + dist_worst)

5.3 结果展示

将结果添加到原始数据中：

df['TOPSIS得分'] = score df['排名'] = df['TOPSIS得分'].rank(ascending=False) print(df.sort_values('排名'))

典型输出结果示例：

6. 完整代码实现与优化建议

以下是整合后的完整Python实现（基于pandas和numpy）：

import numpy as np import pandas as pd def topsis_evaluation(df): # 正向化处理 oxygen = df['含氧量'].values ph = df['PH值'].values ph_score = 1 - np.abs(ph - 7) / np.max(np.abs(ph - 7)) bacteria = df['细菌数'].values bacteria_score = np.max(bacteria) - bacteria plants = df['水草量'].values a, b = 500, 1000 m = max(a - np.min(plants), np.max(plants) - b) plants_score = np.where(plants < a, 1 - (a - plants)/m, np.where(plants > b, 1 - (plants - b)/m, 1)) # 标准化 scores = np.vstack([oxygen, ph_score, bacteria_score, plants_score]).T normalized = scores / np.sqrt(np.sum(scores**2, axis=0)) # 熵权法计算权重 p = normalized / np.sum(normalized, axis=0) entropy = -np.sum(p * np.log(p + 1e-10), axis=0) / np.log(len(normalized)) weights = (1 - entropy) / np.sum(1 - entropy) # 加权标准化矩阵 weighted = normalized * weights # 理想解与负理想解 ideal = np.max(weighted, axis=0) worst = np.min(weighted, axis=0) # 距离计算 dist_ideal = np.sqrt(np.sum((weighted - ideal)**2, axis=1)) dist_worst = np.sqrt(np.sum((weighted - worst)**2, axis=1)) # 综合得分 score = dist_worst / (dist_ideal + dist_worst) # 结果处理 result = df.copy() result['TOPSIS得分'] = score result['排名'] = result['TOPSIS得分'].rank(ascending=False) return result.sort_values('排名') # 使用示例 data = { '河流': ['A河', 'B河', 'C河'], '含氧量': [85, 92, 78], 'PH值': [6.8, 7.2, 7.0], '细菌数': [1200, 800, 1500], '水草量': [480, 750, 620] } df = pd.DataFrame(data) result = topsis_evaluation(df) print(result)

优化建议：

1. 对于大型数据集，可以使用numba加速距离计算
2. 添加数据有效性检查，确保输入数据没有缺失值
3. 考虑实现可视化功能，直观展示各河流得分情况
4. 可以扩展支持自定义权重，而不仅限于熵权法

7. 常见问题与解决方案

在实际应用中，我们可能会遇到以下典型问题：

问题1：PH值正好为7时得分不是最高？

解决方案：检查中间型指标的正向化公式实现，确保最优值确实映射到最高分1。

问题2：所有河流得分非常接近，难以区分优劣？

可能原因：指标权重分配不合理，或者数据本身区分度不大。

解决方案：

• 重新考虑权重分配方法
• 增加更多评价指标
• 检查数据是否存在异常值

问题3：区间型指标边界值处理异常

示例场景：当水草量正好等于500或1000时得分异常。

解决方案：在区间边界条件判断时使用闭区间：

plants_score = np.where(plants <= a, 1 - (a - plants)/m, np.where(plants >= b, 1 - (plants - b)/m, 1))

问题4：熵权法给出的权重不符合实际认知

示例：可能计算出细菌数的权重远高于其他指标。

解决方案：

• 检查数据标准化是否正确
• 考虑使用层次分析法等主观赋权法替代
• 可以设置权重上下限

在实际项目中，TOPSIS算法往往需要与其他方法结合使用。例如可以先使用熵权法计算客观权重，再结合专家打分确定最终权重，这样既能反映数据特性，又能融入领域知识。