假设我有一个包含这个文本文件:如何将它存储在python图形的邻接列表中?
0 1 4
0 2 3
1 4 7
5 3 8
列表示:
- 顶点
- 另一个顶点
- 这两个顶点之间的距离。
例如,在文本文件中的第一线,4点0和1
之间的距离,因此,如何将我存储在蟒蛇邻接表的顶点和距离?
假设我有一个包含这个文本文件:如何将它存储在python图形的邻接列表中?
0 1 4
0 2 3
1 4 7
5 3 8
列表示:
例如,在文本文件中的第一线,4点0和1
之间的距离,因此,如何将我存储在蟒蛇邻接表的顶点和距离?
在图论中,adjacent-list是用于表示图的无序列表的集合。每个列表描述图中顶点的一组邻居。
由于您正在讨论加权图的相邻列表,因此您需要定义一个结构来存储vertex
和weight
。图形理论或数据结构的方式来实现相邻的列表是这样的:
class Node():
def __init__(self, v, w, next=None):
self.v = v
self.w = w
self.next = next
...
class LinkedList():
def __init__(self, head=None)
self.head = head
def add_node():
pass
...
这里Node
类是基础元件组成LinkedList
和LinkedList
用于表示一个顶点的相邻的列表。我没有为你完成整个课程。见python-linked-list。
假设您的图表定向,该曲线图的相邻列表是:
其中0 -> [1:4]-> [2:3]
1 -> [4:7]
2 -> []
3 -> []
4 -> []
5 -> [3:8]
,0 -> [1:4] -> [2:3]
表示顶点0
,其中包含两个边缘的相邻列表:0->1
与重量4
和0->2
重量为3
。 [1:4]
可以用类Node
来描述,整行可以用类LinkedList
来表示。请查询weighted-graph-adjacent-list了解更多信息。
为了表示整个图中,可以简单地使用的LinkedList
列表,例如,
g = [LinkedList_for_0, LinkedList_for_1, ...]
在这种方法中,g[i]
将顶点i
的相邻列表中。
要构建全图,你可以遍历所有的边缘:
g = [[] for v in range(number_of_vertex)]
for f, t, w in edges:
g[f].add_node(Node(t,w))
在上面,正如我所说,这是一个更多的数据结构的方式实现相邻的列表。如果你想练习你对数据结构和图论知识的理解,你可以尝试这种方式。但是,实际上,与C/C++
array
类型(固定大小)不同,python list
是一种可变类型,您可以在Python中执行添加,删除操作list
。所以LinkedList
实际上是不必要的。我们可以在一个Python的方式重新定义这些类:
class Node():
def __init__(self, v, w):
self.v = v
self.w = w
这里,Node
类不包含next
成员。所以相邻的列表可以表示为Node
列表,例如,顶点0
的相邻的列表:
[Node(1,4), Node(2,3)]
而且整个图可以表示为一个二维表(在这里,我们假设这是一个无向图表):
[
[Node(1,4), Node(2,3)],
[Node(0,4), Node(4,7)],
[Node(0,3)],
[Node(5,8)],
[Node(1,7)],
[Node(3,8)]
]
Python是这样的算法:
g = [[] for v in range(number_of_vertex)]
for f,t,w in edges:
g[f].append(Node(t,w))
g[t].append(Node(f,w))
注意:您需要添加的新节点的两端。
实际上,在处理图形问题时,我认为边缘列表或稀疏矩阵是最常见的表示形式。所以如果可能的话,我会建议你使用这种表示法。
谢谢。
嵌套字典是表示邻接列表的自然方式。字典在这种情况下很方便,因为它们可以比列表更好地表示稀疏映射,并且可以进行高效的查找。
adjacency_list = {}
for line in open(file):
from, to, weight = map(int, line.split())
adjacency_list.setdefault(from, {})[to] = weight
adjacency_list.setdefault(to, {})[from] = weight # for undircted graph add reverse edges
要获取节点i
和j
之间的边缘的权重,你会查找adjacency_list.get(i, {}).get(j)
(这将返回None
如果边缘不存在)。
如果您不想处理setdefault
和get
,您可能希望至少在顶级字典中使用defaultdict
。如果使用adjacency_list = defaultdict(dict)
进行初始化,则设置权重仅为adjacency_list[from][to] = weight
(内部字典将在需要时自动创建)。
看看NetworkX图书馆,它真棒,易于使用。
从the docs,你可以有优势属性存储感兴趣的任何值 - 距离,你的情况:
边缘往往与他们相关的数据。 任意数据可以作为边缘属性与边缘关联。如果数据是数字,目的是表示加权图形,那么使用属性的“weight”关键字。某些图算法(如Dijkstra的最短路径算法)使用此属性名称来获取每个边的权重。
你的情况的一种可能的实现是:
import networkx as nx
G=nx.Graph()
for line in file:
a, b, w = map(int, line.strip().split(' '))
G.add_edge(a, b, weight=w)
太感谢你了!如果我的图是不受指导的呢? – samyriana
如果你的图是无向的,当迭代一个边a,b,w时,你应该为顶点a的邻接列表和一个新节点添加一个新节点'[b,w]'[a, w]'为顶点'b'的相邻列表。 – rojeeer
您可能应该删除关于链接列表的整个第一部分。它看起来像你的第二部分使用你命名节点的边缘。 –