def test_closs_coefficient():
td = TODIM(dec_mat_1, weights=[0.5107, 0.4893], theta=2.5)
td.get_closeness_coefficient()
assert np.allclose(td.clos_coefficient, closs_coeff)
weights = [0.5107, 0.4893]
theta = 2.5
########################################################################################################################
# Approach 1: using the csv file in "../test/dec_mat_1.csv"
########################################################################################################################
td_1 = TODIM("../test/dec_mat_1.csv",
weights=weights,
theta=theta,
alt_col_name="alternative",
crit_col_names=["criterion 1", "criterion 2"])
print("-" * 50)
print("- Approach 1:")
print("-" * 50)
td_1.get_closeness_coefficient(verbose=True)
td_1.plot_ranking()
print("-" * 50)
print("")
########################################################################################################################
# Approach 2: using the matrix as a list of list (but it could be a numpy array as well
########################################################################################################################
dec_mat_1 = [[8.627, 5.223], [9.838, 4.023], [10.374, 3.495], [8.200, 5.659],
[5.854, 7.989], [8.108, 5.790], [6.845, 7.083], [5.738, 8.238],
[5.858, 8.189], [6.269, 7.808]]
td_2 = TODIM(dec_mat_1, weights=weights, theta=theta)
print("-" * 50)
print("- Approach 2:")
print("-" * 50)
td_2.get_closeness_coefficient(verbose=True)