層次分析法是一種常用于決策分析的方法，其基本思想是將多個因素按照其重要性和優先級劃分為不同的等級，然后進行比較和綜合評估。Python中有很多庫可以用于層次分析，其中比較流行的是pyanp和pyahp。

pyanp是一個很小的庫，用于計算具有權重的矩陣。它的主要優點是易于使用，而且在處理小型矩陣時性能非常好。以下是pyanp的一個示例：

import numpy as np
from pyanp import pyanp
#w是一個帶權重的矩陣
w = np.array([
[1, 3, 5],
[1/3, 1, 4],
[1/5, 1/4, 1]
])
#print(w的層次分析結果和一些統計信息
print(pyanp(w))

pyahp是高層次分析進化出來的一個庫，主要用于計算具有層次結構的帶權重矩陣。它的主要優點是支持更復雜的問題，支持更多的輸出選項。以下是pyahp的一個示例：

import numpy as np
from pyahp import parse
#解析ahp文件并輸出結果
result = parse("example.ahp")
print(result['global_priority'])
print(result['local_priorities'])

總之，在Python中，有很多庫可以用于層次分析，具體取決于你的具體需求和數據規模。對于簡單且小型的矩陣，可以考慮使用pyanp；對于結構更復雜的帶權重矩陣，可以考慮使用pyahp。這兩個庫都有著良好的文檔和社區支持，大家可以根據自己的興趣和需求去嘗試。