Python：Networkx Dijkstra算法的问题

我的目标是做完全相同的事情张贴

我有一个矩阵（

DataFrame

或

df

）如下所示：

community A   B   C   D
A         0   3   4   1
B         3   0   2   0
C         4   2   0   1
D         1   0   1   0 

这是一个对称的

df

，每个权重表示每个社区之间连接的权重或强度。如链接中所述，我希望生成一个矩阵，显示所有节点（或社区）之间的最短距离。我首先反转上述矩阵并设置

G

图形网络：

G = nx.Graph()
commu = list(df.index)
for i in range(0,len(commu)):
    for j in range(0,len(commu)):
            if i == j:
                pass
            else:
                G.add_edge(str(i),str(j),weight=df.ix[df.index[i], df.columns[j]])

这给了我下面的网络图：边的不同颜色用于不同的权重。（我更改了图表中数字的字母）

好的，到目前为止还不错。现在，我想要所有节点之间的最短距离。我正在考虑使用这个

nx.dijkstra\u最短路径长度（G，source，target）

并在

source

和

target

的所有节点上循环，生成一个类似于上述链接的矩阵，其中包含矩阵每个单元格中所有节点的最短路径的所有值，但出于某种原因

nx.dijkstra\u最短路径长度（G，源，目标）

对我不起作用。

---

如果我使用

nx.dijkstra\u最短路径长度（G，A，B）

或节点的任何组合，我总是得到一个值0。为什么？有没有一种有效的方法可以使用

Networkx

和

nx.dijkstra

算法来复制链接中的矩阵？

你可以使用

Networkx.shortest\u路径（G）

带有weight='weight'关键字。 e、 g

---

您只需使用带有weight='weight'关键字的

networkx.shortest_path（G）

。 e、 g

---

您只需使用带有weight='weight'关键字的

networkx.shortest_path（G）

。 e、 g

---

您只需使用带有weight='weight'关键字的

networkx.shortest_path（G）

。 e、 g

（不是回答，只是长篇大论）。如果

而不是

G = nx.Graph()
commu = list(df.index)
for i in range(0,len(commu)):
    for j in range(0,len(commu)):
            if i == j:
                pass
            else:
                G.add_edge(str(i),str(j),weight=df.ix[df.index[i], df.columns[j]])

您可以使用

In [66]: G = nx.from_numpy_matrix(df.values)

In [67]: G.edges(data=True)
Out[67]: 
[(0, 1, {'weight': 3}),
 (0, 2, {'weight': 4}),
 (0, 3, {'weight': 1}),
 (1, 2, {'weight': 2}),
 (2, 3, {'weight': 1})]

如果要标记节点

ABCD

，而不是

0123

：

In [68]: G = nx.relabel_nodes(G, dict(zip(range(4), 'ABCD')))

In [69]: G.edges(data=True)
Out[69]: 
[('A', 'C', {'weight': 4}),
 ('A', 'B', {'weight': 3}),
 ('A', 'D', {'weight': 1}),
 ('C', 'B', {'weight': 2}),
 ('C', 'D', {'weight': 1})]

（不是回答，只是长篇大论）。如果

而不是

G = nx.Graph()
commu = list(df.index)
for i in range(0,len(commu)):
    for j in range(0,len(commu)):
            if i == j:
                pass
            else:
                G.add_edge(str(i),str(j),weight=df.ix[df.index[i], df.columns[j]])

您可以使用

In [66]: G = nx.from_numpy_matrix(df.values)

In [67]: G.edges(data=True)
Out[67]: 
[(0, 1, {'weight': 3}),
 (0, 2, {'weight': 4}),
 (0, 3, {'weight': 1}),
 (1, 2, {'weight': 2}),
 (2, 3, {'weight': 1})]

如果要标记节点

ABCD

，而不是

0123

：

In [68]: G = nx.relabel_nodes(G, dict(zip(range(4), 'ABCD')))

In [69]: G.edges(data=True)
Out[69]: 
[('A', 'C', {'weight': 4}),
 ('A', 'B', {'weight': 3}),
 ('A', 'D', {'weight': 1}),
 ('C', 'B', {'weight': 2}),
 ('C', 'D', {'weight': 1})]

（不是回答，只是长篇大论）。如果

而不是

G = nx.Graph()
commu = list(df.index)
for i in range(0,len(commu)):
    for j in range(0,len(commu)):
            if i == j:
                pass
            else:
                G.add_edge(str(i),str(j),weight=df.ix[df.index[i], df.columns[j]])

您可以使用

In [66]: G = nx.from_numpy_matrix(df.values)

In [67]: G.edges(data=True)
Out[67]: 
[(0, 1, {'weight': 3}),
 (0, 2, {'weight': 4}),
 (0, 3, {'weight': 1}),
 (1, 2, {'weight': 2}),
 (2, 3, {'weight': 1})]

如果要标记节点

ABCD

，而不是

0123

：

In [68]: G = nx.relabel_nodes(G, dict(zip(range(4), 'ABCD')))

In [69]: G.edges(data=True)
Out[69]: 
[('A', 'C', {'weight': 4}),
 ('A', 'B', {'weight': 3}),
 ('A', 'D', {'weight': 1}),
 ('C', 'B', {'weight': 2}),
 ('C', 'D', {'weight': 1})]

（不是回答，只是长篇大论）。如果

而不是

G = nx.Graph()
commu = list(df.index)
for i in range(0,len(commu)):
    for j in range(0,len(commu)):
            if i == j:
                pass
            else:
                G.add_edge(str(i),str(j),weight=df.ix[df.index[i], df.columns[j]])

您可以使用

In [66]: G = nx.from_numpy_matrix(df.values)

In [67]: G.edges(data=True)
Out[67]: 
[(0, 1, {'weight': 3}),
 (0, 2, {'weight': 4}),
 (0, 3, {'weight': 1}),
 (1, 2, {'weight': 2}),
 (2, 3, {'weight': 1})]

如果要标记节点

ABCD

，而不是

0123

：

In [68]: G = nx.relabel_nodes(G, dict(zip(range(4), 'ABCD')))

In [69]: G.edges(data=True)
Out[69]: 
[('A', 'C', {'weight': 4}),
 ('A', 'B', {'weight': 3}),
 ('A', 'D', {'weight': 1}),
 ('C', 'B', {'weight': 2}),
 ('C', 'D', {'weight': 1})]

---

因此，

nx.shortest_path_length

和

nx.dijkstra_shortest_path_length

之间没有区别？感谢您的帮助如果您将weight=attribute关键字与nx.shortest_path_length一起使用，它将运行nx.dijkstra_shortest_path_length。默认值为weight=None，它将执行非加权最短路径计算。因此存在no

nx.shortest_path_length

与

nx.dijkstra_shortest_path_length

之间的差异？感谢您的帮助如果您将weight=attribute关键字与nx.shortest_path_length一起使用，它将运行nx.dijkstra_shortest_path_length。默认值为weight=None，它将执行非加权最短路径计算。因此没有差异在

nx.shortest_path_length

和

nx.dijkstra_shortest_path_length

之间？感谢您的帮助如果您将weight=attribute关键字与nx.shortest_path_length一起使用，它将运行nx.dijkstra_shortest_path_length。默认值为weight=None，它将执行非加权最短路径计算。因此

之间没有差异>nx.shortest_path_length

和

nx.dijkstra_shortest_path_length

？感谢您的帮助如果您将weight=attribute关键字与nx.shortest_path_length一起使用，它将运行nx.dijkstra_shortest_path_length。默认值为weight=None，它将执行非加权最短路径计算。