将dict评估为networkx中的边缘权重答案

【问题标题】：Evaluate dict as edge weight in networkx将dict评估为networkx中的边缘权重
【发布时间】：2020-10-12 07:58:18
【问题描述】：

在 networkx 多重图中，我存储了一个包含不同值的字典（在以下示例中为 a 和 b）。如何评估最短路径算法（例如，对于 Dijkstra）的权重（例如 lambda 或密钥）？对于评估，它是a 或b。

import networkx as nx
G = nx.MultiGraph()

G.add_edge('a', 'b', weight_dict={'a' : 1, 'b': 2})
G.add_edge('a', 'b', weight_dict={'a' : 10, 'b': 9})
G.add_edge('b', 'c', weight_dict={'a' : 1, 'b': 1})
G.add_edge('a', 'c', weight_dict={'a' : 30, 'b': 30})

nx.multi_source_dijkstra(G, {'a'}, weight=lambda u, v, d: G[u][v][d]['a']) # obviously does not work

【问题讨论】：

标签： python networkx

【解决方案1】：

由于它是一个多重图，作为预处理，人们可以检索具有最小权重的一组边（对于给定的属性名称）。然后，根据networkx 文档，

weight (string or function) – 如果这是一个函数，边的权重是函数返回的值。该函数必须准确地接受三个位置参数：一条边的两个端点和该边的边属性字典。该函数必须返回一个数字。

import networkx as nx
import pandas as pd

#Function to get minimal edges per attribute name
def get_edge_attributes(G, name):    
    edges = G.edges(data=True)
    rows = [(e[0],e[1],e[-1]['weight_dict'][name]) for e in edges]
    df = pd.DataFrame(rows)
    df = df.iloc[df.groupby([0,1])[2].idxmin()]
    return df

G = nx.MultiGraph()

G.add_edge('a', 'b', weight_dict={'a' : 1, 'b': 2})
G.add_edge('a', 'b', weight_dict={'a' : 10, 'b': 9})
G.add_edge('b', 'c', weight_dict={'a' : 1, 'b': 1})
G.add_edge('a', 'c', weight_dict={'a' : 30, 'b': 30})


attribute_name = 'a'

#Retrieve minimal weigths
subweight = get_edge_attributes(G,attribute_name)

#Function to retrieve weigths. It takes into account that the graph is undirected.
def return_weight(u,v,d):
    x = subweight[((subweight[0]==u)&(subweight[1]==v))|
                  ((subweight[1]==u)&(subweight[0]==v))][2].values[0]
    return x

# Run
nx.multi_source_dijkstra(G, {'a'}, weight=return_weight)

使用attribute_name = 'a' 运行产生

({'a': 0, 'b': 1, 'c': 2}, {'a': ['a'], 'b': ['a', 'b'], 'c': ['a', 'b', 'c']})

而attribute_name = 'b' 产生

({'a': 0, 'b': 2, 'c': 3}, {'a': ['a'], 'b': ['a', 'b'], 'c': ['a', 'b', 'c']})

【讨论】：