如何筛选pandas DataFrame指定行列求取最小值(基于NetworkX距离矩阵场景)
问题根因
你报错的核心是SE_nodes/VV_nodes的格式与距离矩阵的列名/索引格式不匹配:
你提取节点时用SEnodes.loc[:, ['N']].values.tolist(),[['N']]会生成二维DataFrame,转列表后得到的是嵌套结构[[29], [30]],而DJK的列名都是29、30这类标量值,自然无法匹配嵌套的列表元素。
修复方案
第一步:修正节点列表生成逻辑
直接取单列Series转一维列表,避免嵌套:
# SE类节点提取简化版 is_SE = xpos['TYPE'] == 'SE' SE_nodes = xpos.loc[is_SE, 'N'].tolist() # VV类节点提取简化版 is_VV = xpos['VV'] == 'SI' VV_nodes = xpos.loc[is_VV, 'N'].tolist()
第二步:跨类最短距离查询
不需要写遍历循环,直接通过pandas索引筛选子矩阵,用向量化操作计算即可,效率更高:
# 筛选仅包含VV类行、SE类列的子距离矩阵 sub_djk = DJK.loc[VV_nodes, SE_nodes] # 1. 取每个SE节点对应的最近VV节点和距离 se_to_nearest_vv = pd.DataFrame({ '最近VV节点': sub_djk.idxmin(axis=0), '最短距离': sub_djk.min(axis=0) }) # 2. 取每个VV节点对应的最近SE节点和距离 vv_to_nearest_se = pd.DataFrame({ '最近SE节点': sub_djk.idxmin(axis=1), '最短距离': sub_djk.min(axis=1) }) # 3. 取全局跨类最短的节点对和距离 global_min_pair = sub_djk.stack().idxmin() global_min_dist = sub_djk.stack().min() print(f"全局最短跨类路径:VV类节点{global_min_pair[0]} -> SE类节点{global_min_pair[1]},距离{global_min_dist}")
后续路径查询补充
如果后续需要取具体的最短路径,可以提前缓存所有节点对的路径结果:
# 提前预存所有节点对的最短路径 djk_paths = dict(nx.all_pairs_dijkstra_path(G, weight='L')) # 示例:取上述全局最短对的路径 shortest_path = djk_paths[global_min_pair[0]][global_min_pair[1]]
内容的提问来源于stack exchange,提问作者Apalnay
相关产品推荐
相关产品推荐

