一、前言
CRITIC权重法是一种比熵权法和标准离差法更好的客观赋权法：
它是基于评价指标的对比强度和指标之间的冲突性来综合衡量指标的客观权重。...在用 Python 复现 CRITIC 权重法时，需要计算变异系数，以标准差的形式来表现，如下所示：
Sj表示第 j 个指标的标准差，在 CRITIC 权重法中使用标准差来表示各指标的内取值的差异波动情况...数据如下：
二、详解计算均值和标准差
初始化一个简单的矩阵：
a = np.array([
[1, 2, 3],
[4, 5, 6],
[7, 8, 9]
])
a
分别计算整体的均值...# 每一列的均值
print("每一行的均值：", np.mean(a, axis=1)) # 每一行的均值
分别计算整体的标准差、每一列的标准差和每一行的标准差：
print("整体的方差..., np.std(a, axis=1)) # 每一行的标准差
结果如下：
三、实践：CRITIC权重法计算变异系数
导入需要的依赖库：
import numpy as np
import pandas
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
