Pandas：大节点对之间的最短路径长度

Question

我有一个包含 orgin_nodes 和 Distination_nodes 的数据框，如下所示：

我需要使用networkx 库通过应用下一个函数来计算这些节点之间的short_path_length：

def short_path_length (node1,node2):
    return nx.shortest_path_length(G, node1, nod2,weight='length')

df['short_path_length']=np.vectorize(short_length_nodes)(df['Orgin_nodes'],df['Destination_nodes'])

其中G 是从osmnx 库派生的网络图： 我将此代码应用于数据帧示例，结果如下：

当我将它应用于大约 3000000 行的原始数据帧时，它需要更多时间吗？

有没有办法让跑得更快？

更新1：

我关注了@gboeing 的回答并将networkx graph 转换为igraph 如下（https://github.com/gboeing/osmnx-examples/blob/master/notebooks/18-osmnx-to-igraph.ipynb）：

ox.config(use_cache=True, log_console=True)
weight = 'length'
G_nx = nx.relabel.convert_node_labels_to_integers(G)
# convert networkx graph to igraph
G_ig = ig.Graph(directed=True)
G_ig.add_vertices(list(G_nx.nodes()))
G_ig.add_edges(list(G_nx.edges()))
G_ig.vs['osmid'] = list(nx.get_node_attributes(G_nx, 'osmid').values())
G_ig.es[weight] = list(nx.get_edge_attributes(G_nx, weight).values())



def short_path_length(node1,node2):
        return G_ig.shortest_paths(source=node1,target=node2, weights=weight)[0][0]


df['short_path_length'] = df.apply(short_path_length(df['Orgin_nodes'],df['Destination_nodes']), axis=1)

我得到了这个错误：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<timed exec> in <module>()

<timed exec> in short_path_length(node1, node2)

ValueError: vertex IDs must be positive, got: -1 

此错误的原因是df['Orgin_nodes'],df['Destination_nodes'] 中的节点编号与G_ig 顶点名称不匹配。 我该怎么解决？

更新2

我通过创建包含G_nx.nodes 及其对应的OSMid 值并将Orgin_nodes 和Destination_nodes 替换为Destination_nodes 解决了上述问题，如下所示：

df_indices_osmid_Orgin=pd.DataFrame.from_dict({'Orgin_nodes':list(nx.get_node_attributes(G_nx, 'osmid').values()),'Indecise_Nodes_Orgin':list(G_nx.nodes())})
df=pd.merge(df,df_indices_osmid_Orgin,how='inner',on='Orgin_nodes')
df_indices_osmid_Dest=pd.DataFrame.from_dict({'Destination_nodes':list(nx.get_node_attributes(G_nx, 'osmid').values()),'Indecise_Nodes_Dest':list(G_nx.nodes())})
df=pd.merge(df,df_indices_osmid_Dest,how='inner',on='Destination_nodes')

并应用df的以下函数样本来测量最短距离：

sampl_df=df.head()
def short_path_length(row):
    return G_ig.shortest_paths(source=row['Indecise_Nodes_Orgin'], target=row['Indecise_Nodes_Dest'], weights=weight)[0][0]
sampl_df['short_path_length_1'] = sampl_df.apply(short_path_length, axis=1)

虽然运行没有错误，但与之前的试用相比，耗时更长：

sampl_df=df.head()
%%time
    def short_path_length(row):
        return G_ig.shortest_paths(source=row['Indecise_Nodes_Orgin'], target=row['Indecise_Nodes_Dest'], weights=weight)[0][0]
sampl_df['short_path_length_1'] = sampl_df.apply(short_path_length, axis=1)

持续时间：2.89 秒

每个循环 2.88 秒 ± 66.3 毫秒（平均值 ± 标准偏差，7 次运行，每次 1 个循环）

%%time
def short_path_length(row):
    return nx.shortest_path_length(G, row['Orgin_nodes'], row['Destination_nodes'], weight='length')
sampl_df['short_path_length_2'] = sampl_df.apply(short_path_length, axis=1)

持续时间：1.24 秒

每个循环 1.2 秒 ± 15.7 毫秒（7 次运行的平均值 ± 标准偏差，每次 1 个循环）

%%time
def short_path_length (node1,node2):
     return nx.shortest_path_length(G, node1, node2,weight='length')

sampl_df['short_path_length_intr3']=np.vectorize(short_path_length)(sampl_df['Orgin_nodes'],sampl_df['Destination_nodes'])

持续时间：1.2 秒

每个循环 1.21 秒 ± 12 毫秒（7 次运行的平均值 ± 标准偏差，每次 1 个循环）

因此可以指出，第三个是最好的，或者这不是衡量它们中哪个运行更快的标准。

Answer 1

这是一个固有的不可矢量化问题，因为您正在传递节点标签并使用图形对象在算法上计算它们之间的最短路径。通过简化代码，您可能会获得轻微的加速：

def short_path_length(row):
    return nx.shortest_path_length(G, row['Orgin_nodes'], row['Destination_nodes'], weight='length')
df['short_path_length'] = df.apply(short_path_length, axis=1)

为了更快地加速，将您的 OSMnx 图导出到 igraph 以在 C 中快速计算最短路径，如 OSMnx examples 中的笔记本 18 中所示。