### 实现KANO模型的Python代码示例 为了实现KANO模型，首先需要收集关于用户对功能特性的反应数据。这些数据通常包括两个方面：当特性存在时用户的满意程度以及当特性不存在时用户的不满意程度。根据这两方面的反馈，可以将用户需求分类为五种不同类型之一。 下面是一个简单的Python程序来模拟这一过程并应用KANO模型进行分析： ```python import pandas as pd class KanoModelAnalyzer: """用于执行KANO模型分析""" def __init__(data): """ 初始化函数 参数: data (DataFrame): 包含两列的数据框， 一列为'when_feature_present'(特征存在), 另一列为'when_feature_absent'(特征缺失). """ if not isinstance(data, pd.DataFrame) or 'when_feature_present' not in data.columns or \ 'when_feature_absent' not in data.columns: raise ValueError("Data must be a DataFrame with columns named 'when_feature_present' and 'when_feature_absent'") self.data = data @staticmethod def _classify_responses(present_response, absent_response): """ 根据给定的回答组合返回相应的需求类别. 参数: present_response (str): 特征存在情况下的用户响应 ('like', 'neutral', 'dislike'). absent_response (str): 特征缺失情况下用户的响应 ('like', 'neutral', 'dislike'). 返回: str: 需求类型 ('basic', 'excitement', 'performance', 'indifferent', 'reverse') """ response_map = { ("like", "neutral"): "excitement", ("like", "dislike"): "performance", ("neutral", "dislike"): "basic", ("neutral", "neutral"): "indifferent", ("dislike", "like"): "reverse" } return response_map.get((present_response, absent_response), "unknown") def analyze(self): """ 对传入的数据集执行KANO模型分析，并添加新列以指示每项的功能属性. """ self.data['requirement_type'] = [ self._classify_responses(row.when_feature_present, row.when_feature_absent) for index, row in self.data.iterrows() ] ``` 此段代码定义了一个名为`KanoModelAnalyzer` 的类，它可以接收一个Pandas `DataFrame`对象作为输入参数，在这个表格中有两列表达了特定产品特性是否存在时顾客的感受。通过调用静态方法 `_classify_responses()` 来判断每一行应该属于哪种类型的客户需求——基本型、期望型、兴奋型、无差异型还是反向型[^4]。 #### 准备测试数据 为了让上述代码更易于理解，这里提供了一组假设性的样本数据供测试用途: ```python sample_data = pd.DataFrame({ 'feature': ['Feature A', 'Feature B'], 'when_feature_present': ['like', 'neutral'], 'when_feature_absent': ['neutral', 'dislike'] }) analyzer = KanoModelAnalyzer(sample_data) analyzer.analyze() print(analyzer.data[['feature', 'requirement_type']]) ``` 这段脚本创建了一些虚拟的产品特性及其对应的用户体验评价，并利用之前编写的`KanoModelAnalyzer` 类来进行分析。最终打印出来的结果会展示每个特性被分配到了哪个具体的需求数量类别中去。