Question

假设我们有一个完整的图G，其中包含由networkx库创建的节点A，B，C。

每个节点都有一个坐标属性，如{x：2，y：4}。目前，边权重为1，但它们应该是节点之间的欧几里德距离。我可以用for循环来计算它们，但效率非常低。

所以我的问题是如何以有效的方式计算边权重？

注意：我找到this，但这是一个老问题。

编辑：我按如下方式创建了我的网络：

# Get a complete graph
rag = nx.complete_graph(L)

if L > 0:
    for i, node in enumerate(nodes):

        x, y = get_coord() # This function cant be changed

        rag.nodes[i]["x"] = x
        rag.nodes[i]["y"] = y

Answer 1

如果您预先获得了数据，我们可以使用numpy和/或pandas首先计算批量距离，然后将数据加载到图表中。

比如说我们可以先用构建 n×2 - 矩阵：

import numpy as np A = np.array([list(get_coord()) for _ in range(L)])

然后我们可以使用scipy来计算距离的二维矩阵，例如：

from scipy.spatial.distance import pdist, squareform B = squareform(pdist(A))

例如，如果A是：

>>> A array([[ 0.16401235, -0.60536247], [ 0.19705099, 1.74907373], [ 1.13078545, 2.03750256], [ 0.52009543, 0.25292921], [-0.8018697 , -1.45384157], [-1.37731085, 0.20679761], [-1.52384856, 0.14468123], [-0.12788698, 0.22348265], [-0.27158565, 0.21804304], [-0.03256846, -2.85381269]])

然后B将是：

>>> B array([[ 0. , 2.354668 , 2.81414033, 0.92922536, 1.28563016, 1.74220584, 1.84700839, 0.8787431 , 0.93152683, 2.25702734], [ 2.354668 , 0. , 0.97726722, 1.53062279, 3.35507213, 2.20391262, 2.35277933, 1.5598118 , 1.60114811, 4.60861026], [ 2.81414033, 0.97726722, 0. , 1.88617187, 3.99056885, 3.10516145, 3.26034573, 2.20792312, 2.29718907, 5.02775867], [ 0.92922536, 1.53062279, 1.88617187, 0. , 2.15885579, 1.897967 , 2.04680841, 0.64865114, 0.79244935, 3.15551623], [ 1.28563016, 3.35507213, 3.99056885, 2.15885579, 0. , 1.75751388, 1.7540036 , 1.80766956, 1.75396674, 1.59741777], [ 1.74220584, 2.20391262, 3.10516145, 1.897967 , 1.75751388, 0. , 0.1591595 , 1.24953527, 1.10578239, 3.34300278], [ 1.84700839, 2.35277933, 3.26034573, 2.04680841, 1.7540036 , 0.1591595 , 0. , 1.39818396, 1.25440996, 3.34886281], [ 0.8787431 , 1.5598118 , 2.20792312, 0.64865114, 1.80766956, 1.24953527, 1.39818396, 0. , 0.14380159, 3.07877122], [ 0.93152683, 1.60114811, 2.29718907, 0.79244935, 1.75396674, 1.10578239, 1.25440996, 0.14380159, 0. , 3.08114051], [ 2.25702734, 4.60861026, 5.02775867, 3.15551623, 1.59741777, 3.34300278, 3.34886281, 3.07877122, 3.08114051, 0. ]])

现在我们可以根据该矩阵构建图表：

G = nx.from_numpy_matrix(B)

现在我们看到权重匹配：

>>> G.get_edge_data(2,5) {'weight': 3.105161451820312}

使用Networkx或其他Python框架

1 个答案: