如何高效访问NetworkX shortest_path_length返回的生成器内容？

核心原因说明 #

你调用的全节点最短路径接口默认返回惰性生成器，转dict的过程本质是逐节点运行单源最短路径算法、再在Python层组装嵌套字典，数千节点规模下计算+Python层开销都会很高，耗时久是正常现象。

优化方案 #

场景1：仅需要查询少量点对的最短路径 #

不要提前计算全量点对结果，按需调用单源单目标查询接口即可，性能提升最明显：

# 直接查询x到y的最短路径长度
dist_xy = nx.shortest_path_length(G, source=x, target=y, weight="weight")

场景2：需要频繁查询大量点对的最短路径 #

优先使用NetworkX封装的底层优化实现，规避Python层迭代开销：

• 若可以接受矩阵形式存储结果，用Floyd-Warshall的Numpy实现，访问速度最快、内存占用最低：

import numpy as np
# 生成全点对最短路径矩阵，下标和G.nodes()的顺序一一对应
dist_matrix = nx.floyd_warshall_numpy(G, weight="weight")
# 建立节点到矩阵下标的映射
node2idx = {node: idx for idx, node in enumerate(G.nodes)}
# 访问x到y的最短路径长度
dist_xy = dist_matrix[node2idx[x]][node2idx[y]]

• 若需要保持字典访问形式，直接调用优化后的字典返回接口，比生成器转dict快3~10倍：

# 直接返回嵌套字典，结构为dist[x][y] = 最短路径长度
dist_dict = nx.floyd_warshall(G, weight="weight")

额外优化项 #

如果你的图明确没有负权边，也可以替换为全节点Dijkstra的优化实现：

from nx.algorithms.shortest_paths.weighted import all_pairs_dijkstra_path_length
dist_dict = dict(all_pairs_dijkstra_path_length(G, weight="weight"))

该方案比默认通用接口的生成器转dict开销更低，性能优于原生的shortest_path_length生成器转字典的实现。

内容的提问来源于stack exchange，提问作者AndW