我是使用 NetworkX 的初学者，我正在尝试找到一种方法来检测哪些节点之间的距离为 x。 我已经开始使用这个算法来获取所有对
path=nx.all_pairs_dijkstra_path(G)
但我仍然不确定如何使用 for 循环检测节点之间的距离。
如果有任何帮助，我将不胜感激。谢谢
【问题讨论】：
标签： python graph-theory networkx
NetworkX 具有自动计算加权图和未加权图的最短路径（或仅计算路径长度）的方法。确保为您的用例使用正确的方法。
networkx.all_pairs_shortest_path - 计算未加权图中所有节点之间的最短路径
networkx.all_pairs_shortest_path_length - 计算未加权图中所有节点之间的最短路径长度
networkx.all_pairs_dijkstra_path - 计算加权图中所有节点之间的最短路径
networkx.all_pairs_dijkstra_path_length - 计算加权图中所有节点之间最短路径的长度
这些方法中的每一个，当在图上执行时，将计算节点的字典矩阵（“字典的字典”），其值可以是各自的最短路径或最短路径的长度。我会用一个例子来证明这一点：
>>> import networkx as nx
>>> G = nx.Graph()
>>> G.add_nodes_from(["A", "B", "C", "D", "E"])
>>> G.add_edges_from([("A", "B"), ("B", "C"), ("C", "D"), ("D", "E")])
>>> sp = dict(nx.all_pairs_shortest_path(G))
>>> sp["A"]["E"]
['A', 'B', 'C', 'D', 'E']
>>> spl = dict(nx.all_pairs_shortest_path_length(G))
>>> spl["A"]["E"]
4
如您所见，我生成了一个包含五个节点的图，并通过一条边将每个节点链接到下一个节点。我在sp 中存储了一个最短路径矩阵，在spl 中存储了一个最短路径长度矩阵。当我需要知道两个节点之间的最短路径时，例如节点"A" 和节点"E"，我只是像矩阵或字典一样访问sp：sp["A"]["E"]。然后它将返回两个节点之间的整个最短路径。最短路径长度的方法以类似的方式工作，但它只会返回任意两个给定节点之间的边数。
下一个代码 sn-p 可能会让我对字典矩阵的意思更清楚。如果我为节点 "A" 请求 sp 中的所有条目，它会返回另一个字典，其中包含每个其他节点的条目：
>>> sp["A"]
{'B': ['A', 'B'], 'A': ['A'], 'E': ['A', 'B', 'C', 'D', 'E'], 'C': ['A', 'B', 'C
'], 'D': ['A', 'B', 'C', 'D']}
如果您想使用for 循环检查所有节点之间的距离，您可以只遍历矩阵的第一个字典的键，然后遍历该字典内的字典。这比听起来容易：
>>> for node1 in spl:
... for node2 in spl[node1]:
... print("Length between", node1, "and", node2, "is", spl[node1][node2])
...
Length between B and B is 0
Length between B and A is 1
Length between B and E is 3
Length between B and C is 1
Length between B and D is 2
Length between A and B is 1
... (and so on!)
【讨论】：
这是查找节点之间距离的一种解决方案：
G = nx.Graph()
G.add_edges_from([(1,2), (1,3), (2,3), (2,4), (3,4)])
path = nx.all_pairs_shortest_path_length(G) # This is a generator
dpath = {x[0]:x[1] for x in path} # Create a dictionary from it
# To find e.g. the distance between node 1 and node 4:
print(dpath[1][4]) # = 2
【讨论】：
我一直在用它来计算最长的路径 - 众所周知，有向图很难，但对于树状图来说就足够简单了。 虽然您没有特别要求这样做，但它可能会对其他人有所帮助。 仅供参考，使用 all_pairs_shortest_path_length 对于大型网络来说非常昂贵。
# Find the longest path for a tree
# Choose a random start. (or first).
rnd_node = choice(nodes)
# Find distances from random node by calculating all distances
r_dists = dict(nx.single_source_shortest_path_length(g, rnd_node))
begins = [node for node, dist in r_dists.items() if dist == max(r_dists.values())]
# being the longest from a random start, makes it suitable as a start to the longest path.
begin = choice(begins)
# Find distances from begin by calculating all distances.
# If we want to know the actual journey, use 'single_source_shortest_path()' instead.
s_dists = dict(nx.single_source_shortest_path_length(g, begin))
stops = [node for node, dist in s_dists.items() if dist == max(s_dists.values())]
dist, stop = choice(stops)
【讨论】：
根据您可以使用的图表的大小
distances = nx.floyd_warshall_numpy(graph)
nodes = np.where(distances==4)
获取距离矩阵。从中您可以过滤您的距离。行和列是list(g)中的节点
【讨论】：