Question

我有一行代码，我不完全理解，想要一些更容易的替代品。这样做，使用weightList，它是彼此连接的边的列表，并从图中返回具有最低对应值的边列表（邻接矩阵）。这是Prim的最小生成树问题。

edge = sorted(weightList, key=lambda e:graph[e[0]][e[1]])[0];

Answer 1

稍微分解一下就足够了。这个怎么样？

get_edge_weight = lambda e: graph[e[0]][e[1]]
sorted_weights = sorted(weightList, key=get_edge_weight)
edge = sorted_weights[0]

Answer 2

完全如你所说：对于所有边缘，找到图中最低的值。

i, j = current_edge = weightList[0]
current_min = graph[i][j]

for edge in weightList[1:]:
    i, j = edge

    if graph[i][j] < current_min:
        current_min = graph[i][j]
        current_edge = edge

从weightList的第一条边开始，然后迭代所有其他边以尝试找到较低的值。退出循环时，current_edge是具有最低值的边缘。

话虽这么说，但尝试理解你的代码可能是值得的。我假设你知道sorted做了什么。要对weightList进行排序，sorted使用参数key，这是一个返回值的函数。在您的情况下，函数会返回边缘位置graph中的值。 sorted将使用此值将边缘进行比较。

因此，这会将所有边缘从具有最低值的边缘排序到具有最高值的边缘。然后，一旦对其进行排序，就会获取第一个元素，即具有最低值的边缘。

在算法上，使用sorted来完成这项工作并不是一个好主意，因为它的时间复杂度为O(n log n)。相比之下，我的算法是O(n)（但可能更慢，因为我假设{C}中实现了sorted。相反，您可以使用min使用标准函数在O(n)中获得相同的结果，这当然是所有三个中最有效和最易读的选项：

edge = min(weightList, key=lambda (i,j): graph[i][j])

Answer 3

如果你希望代码少一点＆＃34; compact＆＃34;，这应该可以解决问题：

shortest = weightList[0]

for edge in weightList:
    if graph[edge[0]][edge[1]] < graph[shortest[0]][shortest[1]]:
        shortest = edge

将最短边设置为等于weightList中的第一条边，然后浏览列表并查看是否有任何边更短。

Answer 4

当试图降低复杂性时，我总是想方设法将事情分解为自解释的模块化函数：

def distance(adjacency_matrix, start_node, end_node):
    return adjacency_matrix[start_node][end_node]

sorted_edges = sorted(weightList, key=lambda e: distance(graph, e[0], e[1]))
edge = sorted_edges[0];

替代这个python代码？

4 个答案: