Python Scipy和Networkx：如何计算欧几里德距离矩阵？

Question

我使用Python Networkx建立的曲线图和我有以下的节点位置作为一个例子（positions.txt）：

1 21.5 23 
2 24.5 20 
3 19.5 19 
4 22.5 15 
5 24.5 12 

节点ID，X，Y予读取使用熊猫文件并将位置设置为Networkx中的节点属性。在for循环中使用add_edge(id1, id2, weight)方法添加节点（没有自身边缘）。到目前为止，我已经假设所有的节点默认都是相互连接的，并且没有考虑节点的半径或距离等参数。
现在，我想计算使用这些节点位置的节点之间的欧几里德半径或距离矩阵，并且使用此矩阵，我希望能够打印落在给定半径范围内的节点的邻居，并将该文件另存为一个csv矩阵文件。一位朋友建议我使用scipy的euclidean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ego_graph()，但它没有给我想要的结果。
任何帮助在解决我的问题表示赞赏。
在此先感谢。 （使用Ubuntu 14.04 32位虚拟机和Python 2.7）

Answer 1

您可以使用scipy.spatial.distance.cdist()给定坐标列表来生成距离矩阵。

显然一个numpy数组总是0索引的，如果你的节点有随机数，你想保留一个列表来知道你的矩阵的哪一行/哪一列对应哪一对。

之后你做了什么应该是微不足道的，但我会根据你的描述给出一个例子。对于每个节点，在阈值距离内打印所述节点的ID和任何相邻节点的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)