熵权法！数据分析中的权重分配利器

数据分析是在当今信息爆炸的时代中应用广泛的技术之一。为了从大量的数据中提取有价值的信息，我们需要一种有效的方法来对不同的指标进行权重分配，熵权法可以作为一个客观的综合评价方法，比如根据河流的不同指标，评估不同河流的水质。熵权法能够帮助我们确定不同指标的权重，使得我们能够更准确地评估数据的价值和重要性。本文将介绍熵权法其原理、应用（excel&python）和评估方式。

为什么要用熵权法？或者说具体什么场景下应用。如果你很熟悉业务指标，可以根据你的经验，主观去给指标赋权重，并且指标就几个，这种情况就不需要用熵权法。但是当你不熟悉，无法根据过往经验给权重，那么我们就需要用熵权法。例如，在投资决策中，可以使用熵权法来确定不同投资指标的重要性，从而指导投资策略的制定。接下来我们看什么是熵权法。

一、熵权法的原理

熵是信息理论中表示信息量的概念。熵对不同指标的权重进行分配，指标越混乱熵越大，越有秩序熵越小。那么，熵权法是通过计算每个指标的熵值来衡量其随机性和不确定性，然后根据熵值的大小来确定每个指标的权重，基本思路是根据指标变异性的大小来确定客观权重。总的来说，指标数据变异程度越高，熵越大，给的权重也越高。

二、熵权法的应用

1. 准备数据

①缺失值处理

数据要保证没有缺失值，如果有缺失值，可以考虑用均值，中位数等进行填充。

②确定指标类型

在所有的指标中，可能有正向，可能有负向。正向是数值越大越好，负向是数值越小越好。比如用户分层模型，R最近消费间隔，数值越小越好；F消费频次，M消费金额越大越好。那么R就是负向指标，FM就是正向指标。在本案例数据中p1-P13是正向指标，n1-n2是负向指标。

③数据标准化

确定数据类型，就是在标准化这一步来使用的，标准化是来解决量纲不一致的问题。看到我们的案例数据，最大的单位有百万，最小的是十。我们需要根据公式对正向和负向指标分别标准化。公式如下：

• xij : 对于i个样本，j个指标，则xij为第i个样本的第j个指标；比如这里的x14表示第一个样本的第四个指标数据，也就是为0.3724

2. 实现过程【excel】

①新建辅助行 ，type标记正向指标、负向指标

②计算出每个指标的max，min，max-min

③标准化数据

公式：=IF(type=”p”,(B3-min)/max_min,(max-B3)/max_min)

④将值为0的调成0.00001，因为下一步计算熵值时，需要进行log取数，若数值=0，则得出的值就会是无限大，在程序体现就是NaN。为了避免这种情况，若计算结果等于0的情况，则将值稍微调大一点，调成0.00001。

公式：=IF(B16=0,B16+0.00001,B16)

⑤计算指标比重Pij

公式：=B27/SUM(B35)

⑥计算熵值

首先计算k，公式：=-1/LN(9)，这里因为有9行数据，所以用LN(9)

计算熵值ej，公式：=46*SUMPRODUCT(B37:B45,LN(B37:B45))

⑦计算变异系数

公式：1-B47

⑧根据变异系数，计算各指标权重

公式：=B48/SUM(48:48)

⑨线性加权，计算综合得分 xij为标准化之前的数据

最后将各指标的加权得分相加，计算出综合得分。

3.实现过程【python】

①读取数据

import pandas as pd
import numpy as np
df= pd.read_excel('data_shiyan - 副本.xlsx')
df.head()

②空值处理

df.isnull().sum()

③标准化数据

df = df.set_index(df['时间'])
def data_Standardization(d):
    for i in list(d.columns):
        Max =np.max(d[i])
        Min = np.min(d[i])
        if (i=='n1') or (i=='n2'):
            d[i] = (Max - d[i]) / (Max - Min)
        else:
            d[i] = (d[i] - Min) / (Max - Min)
    return d
df = data_Standardization(df)
df

④将值为0的调成0.00001，因为下一步计算熵值时，需要进行log取数，若数值=0，则得出的值就会是无限大，在程序体现就是NaN。为了避免这种情况，若计算结果等于0的情况，则将值稍微调大一点，调成0.00001。

df = df.replace(0,0.00001)

⑤计算指标比重Pij

for col in df.columns:
    df[col] = df[col] / sum(df[col])
df

⑥计算熵值

k = 1 /np.log(9)
entropy = [(-k) * sum([pij*np.log(pij) for pij in df[col]]) for col in df.columns]
s_entropy = pd.Series(entropy,index=df.columns,name='指标的熵值')
s_entropy

⑦计算变异系数dj

s_by = pd.Series(1-s_entropy,index=df.columns,name='变异系数')

⑧根据变异系数，计算各指标权重

s_weight = s_by/sum(s_by)

s_weight.sort_values(ascending=False)

⑨线性加权，计算综合得分 xij为标准化之前的数据

df_dict ={}
for idx in range(len(df.columns)):
    df_dict[df_gz.iloc[:,idx].name] = df_gz.iloc[:,idx] * s_weight[idx]

df_gz['最终得分'] = pd.DataFrame(df_dict).sum(axis=1).round(2)

df_gz.sort_values('最终得分',ascending=False)

最后将各指标的加权得分相加，计算出综合得分。

4. 得出结论

从各指标权重占比来看，Top3分别是指标p7、n2、p5。2010-2018年期间，综合得分逐年上涨。

三、总结

结语：本文介绍了熵权法作为一种数据分析方法的原理、excel & python 应用和评估方式。通过理解和应用熵权法，我们可以更好地利用数据，做出更准确和可靠的决策。希望本文能对读者对熵权法的理解和运用有所帮助。

【信息由网络或者个人提供，如有涉及版权请联系COOY资源网邮箱处理】