You need to enable JavaScript to run this app. 如何筛选pandas DataFrame指定行列求取最小值(基于NetworkX距离矩阵场景)
优惠活动
大模型
产品
解决方案
定价
更多

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
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.20 22:54:04