Python AHP/ANP库
pyanp 是一个用于 AHP（Analytic Hierarchy Process，层次分析法）和 ANP（Analytic Network Process，网络分析法）的 Python 库。它的定位非常垂直，主要服务于 ANP/AHP 研究者、需要进行模型计算的实践者、学习该理论的学生，以及希望使用开放数据进行发表的理论与实践用户。
从正文看，pyanp 的核心用途是围绕 AHP/ANP 进行计算与教学。文档列出了 AHP Tree Tutorial、Limit matrix calculations、Priority calculations、ANP row sensitivity 等教程，说明其覆盖了层次结构建模、极限矩阵、优先级计算和敏感性分析等典型任务。技术栈上，它明确依赖 Python 与 Jupyter，推荐通过 Anaconda 安装 Python 3.6 和 Jupyter，再使用 pip 安装 pyanp。对于希望跟进最新版本的用户，也可直接从 GitHub 安装开发分支。
正文显示项目主开发在 GitHub，并镜像到 GitLab，也支持通过 GitHub 地址安装 bleeding edge 版本，基本符合开源 Python 库的形态。不过页面未明确给出许可证、治理模式或贡献活跃度。自托管方面，它不是一个 SaaS，而是本地 Python 库，可在本机或研究环境中运行。API/SDK 层面，pyanp 本身就是 Python 编程库，并提供 Programmers Reference，但未提及 HTTP API、云端服务或多语言 SDK。
正文未出现任何收费信息，安装方式为 pip 或 GitHub，因此可按免费 Python 包理解，但是否存在特定授权限制仍需查看仓库许可证。文档覆盖安装、入门、贡献指南和多个专题教程，对研究和教学用户较友好；不足是抓取内容没有展示完整 API 说明、示例深度、维护频率和问题支持渠道。
优点是定位清晰、安装简单、与 Jupyter 教学环境契合，适合 AHP/ANP 研究、课程实验和决策模型计算。缺点是生态范围较窄，仅见 Python/Jupyter 支持；同时缺少商业支持、服务 SLA、许可证和社区活跃度信息。它更适合具备 Python 基础、明确需要 AHP/ANP 计算的研究者、学生和分析人员，而不适合寻找图形化企业决策平台或托管服务的团队。
中国访问情况正文未说明。由于项目涉及 pyanp.org、pip、GitHub、GitLab、Anaconda 等资源，实际体验可能受网络环境影响；国内用户可优先使用 PyPI 镜像、Conda 镜像或本地缓存来改善安装体验。若访问 GitHub 不稳定，可考虑使用镜像源或寻找其他 Python 科学计算方案自行实现 AHP/ANP 流程。
本测评基于公开资料整理,不构成购买建议,请以 pyanp.org 官网实际信息为准。
开源决策分析库，适合研究和建模使用。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。