在 NetworkX 中找到加权图的最短路径长度

Question

我正在尝试使用 networkx 来确定源节点和目标节点之间的最短加权路径。为此，我使用 nx.shortest_path。但是，我无法让它正常运行。

以下类似于我的设置：

import pandas as pd
import networkx as nx

df = pd.DataFrame({'F': ['a','b','c','d','d','e'], # f node identifier
                   'T': ['b','c','d','e','f','f'], # t node identifier
                   'weight': [1.2,5.2,2.7,2.8,1.3,7.4], # weight for shortest path algorithm
                   'dummy': ['q','w','e','r','t','y']}) # dummy variable

网络构建发生在一个函数内，因为如果我让它工作，它将应用于几个不同的数据集！这也是为什么将属性添加为字典而不是单独添加的原因。

def build_network(df=None, column_names=None):
    g = nx.DiGraph()
    
    for i,row in df.iterrows():
          g.add_edge(row[column_names['F']],row[column_names['T']],attributes=row[column_names['attributes']].to_dict())
           
    return g

g = build_network(df, column_names={'F':'F',
                                    'T':'T',
                                    'attributes':['weight','dummy']})

最后应用shortest_path_length算法，表示长度为2（边数），而不是4.0（加权距离）。我怀疑这是因为我错误地引用了权重属性。但是，我不确定我应该怎么做。

nx.shortest_path_length(G=g, source='c', target='f', weight="['attributes']['weight']")

如有任何帮助，我们将不胜感激！

Answer 1

您使图表的创建过于复杂。您可以使用 nx.from_pandas_edgelist 以更简单的方式（包括边缘属性）从数据帧创建图形并找到最短路径长度：

G = nx.from_pandas_edgelist(df, source='F', target='T', edge_attr=['weight','dummy'], 
                            create_using=nx.DiGraph)

G.edges(data=True)
# EdgeDataView([('a', 'b', {'weight': 1.2, 'dummy': 'q'}), 
#               ('b', 'c', {'weight': 5.2, 'dummy': 'w'})...

nx.shortest_path_length(G, source='c', target='f', weight='weight')
# 4.0

仔细研究您的方法，问题在于您如何在 nx.shortest_path_length 中指定权重。当 weight 参数应设置为指定权重属性名称的字符串时，您正在使用 "['attributes']['weight']"。所以在你的情况下，"weight".

因此您得到的结果与：

nx.shortest_path_length(G=g, source='c', target='f', weight=None)
# 2

而你应该像上面那样做：

nx.shortest_path_length(G, source='c', target='f', weight='weight')
# 4.0

在 NetworkX 中找到加权图的最短路径长度

Find the shortest path length of a weighted graph in NetworkX

python

dictionary

network-programming

networkx