如何通过for循环批量合并NetworkX最短路径子图

完全可以通过循环实现批量处理，无需逐行手动定义路径、逐次合并。

原有实现的问题 #

手动逐一定义path_1到path_n、逐次调用nx.compose的写法冗余度极高，且无法适配动态长度的起终点列表。之前编写的循环代码存在三个核心错误：

• 循环步长设置为2，不符合o[i]与d[i]一一对应的起终点存储逻辑，正常遍历步长应为1
• 硬编码每次处理3组路径，额外添加的终止判断极易触发索引越界，也无法适配任意长度的起终点列表
• 没有对合并结果做累积存储，每次循环都会覆盖之前的合并值，最终只能拿到最后3组路径的合并结果

正确实现代码 #

基础循环版本 #

逻辑非常简单：初始化合并结果变量后，遍历所有起终点对，每算出一个路径子图就和已有的合并结果合并，遍历结束后直接绘图即可。

# 先校验起终点列表长度匹配，避免索引报错
if len(o) != len(d):
    raise ValueError("起点列表o与终点列表d长度必须一致")

# 用第一组路径的子图初始化合并结果
merged = G.subgraph(nx.shortest_path(G, o[0], d[0]))

# 从第二组起终点开始逐一遍历合并
for s, t in zip(o[1:], d[1:]):
    current_subg = G.subgraph(nx.shortest_path(G, s, t))
    merged = nx.compose(merged, current_subg)

# 绘制最终的全量路径网络
nx.draw_networkx(merged)

简洁写法版本 #

借助functools.reduce可以省去初始化步骤，代码更凝练：

from functools import reduce

# 生成所有起终点对对应的最短路径子图列表
all_subgs = [G.subgraph(nx.shortest_path(G, s, t)) for s, t in zip(o, d)]
# 累积合并所有子图
merged = reduce(nx.compose, all_subgs)
# 绘图
nx.draw_networkx(merged)

补充说明：如果存在起终点对不连通的情况，nx.shortest_path会直接抛出NetworkXNoPath异常，可根据业务需求在循环中增加异常捕获逻辑，跳过无有效路径的起终点对。

内容的提问来源于stack exchange，提问作者qw.15125