Question

我使用Python Networkx 来构建图表，我将以下节点位置作为示例（positions.txt）：

节点ID，X，Y。我使用Pandas读取文件，并将位置设置为Networkx中的节点属性。在add_edge(id1, id2, weight)循环中使用for方法添加节点（没有自身边缘）。到目前为止，我假设所有节点默认都是相互连接的，并没有考虑Radius或节点距离等参数。
现在，我想使用这些节点位置计算节点之间的欧几里德半径或距离矩阵，并且使用此矩阵，我希望能够打印属于给定半径n的节点的邻居并保存将文件作为csv矩阵文件。一位朋友建议我使用scipy的{{1}}方法，但我不知道如何使用它来构建矩阵，因此我没有起点。我尝试使用euclidean，但它没有给我预期的结果在解决我的问题时，我们对任何帮助表示赞赏提前致谢。（使用Ubuntu 14.04 32位VM和Python 2.7）

Answer 1

您可以使用scipy.spatial.distance.cdist()在给定坐标列表的情况下生成距离矩阵。

显然，numpy数组总是0索引，如果你的节点有随机数，你想保留它们的列表，以便知道矩阵的哪一行/哪一列对应哪一对。

之后你要做的事情应该是微不足道的，但我会根据你的描述给出一个例子。对于每个节点，打印所述节点的id和阈值距离内任何相邻节点的id。

import numpy as np
from scipy.spatial import distance

def neighbour_nodes_of(node, dist_matrix, distance):
    row = dist_matrix[node]
    return np.where((row <= distance) * (row > 0))[0]

ids = [1, 2, 3, 4, 5]
coords = [(21.5, 23),
          (24.5, 20),
          (19.5, 19),
          (22.5, 15),
          (24.5, 12),
          ]
threshold = 8.

dist_matrix = distance.cdist(coords, coords)

# this is something you can write to a file instead
for i, node_id in enumerate(ids):
    neighbours = neighbour_nodes_of(i, dist_matrix, threshold)
    neighbour_ids = [ids[n] for n in neighbours]
    print([node_id] + neighbour_ids)

Python Scipy和Networkx：如何计算欧几里德距离矩阵？

1 个答案: