如何基于自定义邻接矩阵Org_graph在NetworkX中计算节点最短路径

没问题，你的思路完全可行！我帮你把整个流程梳理清楚，附上可直接运行的代码和细节说明：

步骤1：导入依赖库 #

首先确保你已经安装了numpy和networkx，如果没装的话可以用pip install numpy networkx安装。然后在代码里导入：

import numpy as np
import networkx as nx

步骤2：定义邻接矩阵并转换为NetworkX图 #

你给出的邻接矩阵可以直接用numpy转换成矩阵，再通过NetworkX的from_numpy_matrix方法生成图结构：

# 定义你的原始邻接矩阵
Org_graph = [
    [0, 1, 0, 0, 0, 0, 0],
    [0, 0, 1, 0, 0, 0, 0],
    [0, 0, 0, 0, 0, 0, 0],
    [0, 0, 0, 0, 1, 0, 0],
    [0, 0, 1, 0, 0, 1, 0],
    [0, 0, 0, 0, 0, 0, 0],
    [0, 0, 1, 0, 0, 0, 0],
]

# 转换为numpy矩阵
org_matrix = np.matrix(Org_graph)

# 生成NetworkX有向图（默认节点是从0开始的整数索引，和你的矩阵下标对应）
Org_graph2 = nx.from_numpy_matrix(org_matrix, create_using=nx.DiGraph())

这里一定要加上create_using=nx.DiGraph()，因为你的邻接矩阵是有向图（比如节点0指向1，但1不指向0），如果不指定的话会生成无向图，完全不符合你的原始结构。

步骤3：计算指定节点间的最短路径 #

NetworkX提供了shortest_path和shortest_path_length两个常用函数，分别返回路径节点列表和路径长度：

示例1：计算单个节点对的最短路径 #

比如计算节点0到节点2的路径：

# 获取路径节点列表
path_0_to_2 = nx.shortest_path(Org_graph2, source=0, target=2)
# 获取路径长度（边的数量）
length_0_to_2 = nx.shortest_path_length(Org_graph2, source=0, target=2)

print(f"节点0到节点2的最短路径：{path_0_to_2}")
print(f"路径长度：{length_0_to_2}")

输出结果：

节点0到节点2的最短路径：[0, 1, 2]
路径长度：2

示例2：批量计算多个节点对的最短路径 #

如果你需要批量计算部分节点间的路径，可以用循环处理，同时捕获无路径的异常：

# 定义需要计算的节点对列表（注意节点编号范围是0-6，对应7x7矩阵）
node_pairs = [(3, 2), (4, 6), (0, 5)]

for source, target in node_pairs:
    try:
        path = nx.shortest_path(Org_graph2, source=source, target=target)
        length = nx.shortest_path_length(Org_graph2, source=source, target=target)
        print(f"节点{source}到节点{target}的最短路径：{path}，长度：{length}")
    except nx.NetworkXNoPath:
        print(f"节点{source}到节点{target}之间没有可达路径")

对于你的图，节点3到2的路径是[3,4,2]，长度为2；节点4到6没有路径，会触发异常提示；节点0到5也没有路径，同样会提示。

额外小提示 #

• 如果你的图是无向图，只需要去掉create_using=nx.DiGraph()参数即可，默认生成无向图。
• 如果你想可视化图结构，可以安装matplotlib后用nx.draw(Org_graph2, with_labels=True)快速查看节点连接情况。

内容的提问来源于stack exchange，提问作者samie