城市高速路网图的图论距离度量：NetworkX计算可行性咨询

NetworkX的直径、离心率、半径这些算法本质是基于最短路径来计算的，而它支持通过指定边的权重属性来定义"距离"的计算方式——正好匹配你的高速公路长度、预估通行时间这两个属性。

具体操作步骤： #

1. 先给图的边添加对应属性

构建图的时候，把长度和通行时间作为边的属性存储进去，比如：

import networkx as nx

# 根据你的场景创建无向/有向图（如果是单向高速就用DiGraph）
G = nx.Graph()

# 添加城市节点
G.add_nodes_from(["北京", "上海", "广州", "深圳"])

# 带属性添加高速公路边
G.add_edge("北京", "上海", length=1318, travel_time=12)  # 长度单位：公里，通行时间单位：小时
G.add_edge("上海", "广州", length=1432, travel_time=13)
G.add_edge("广州", "深圳", length=102, travel_time=1.5)
G.add_edge("北京", "广州", length=2120, travel_time=18)

2. 计算度量时指定权重属性

调用NetworkX的对应函数时，通过weight参数指定你想用的属性（比如"length"或"travel_time"），就能基于该属性计算最短路径相关的度量：

• 基于高速公路长度计算：

# 离心率：每个节点到其他所有节点的最短路径中的最大值
ecc_by_length = nx.eccentricity(G, weight="length")
# 直径：全网中任意两个节点间最短路径的最大值
diameter_by_length = nx.diameter(G, weight="length")
# 半径：全网所有节点离心率中的最小值
radius_by_length = nx.radius(G, weight="length")

• 基于预估通行时间计算：

ecc_by_time = nx.eccentricity(G, weight="travel_time")
diameter_by_time = nx.diameter(G, weight="travel_time")
radius_by_time = nx.radius(G, weight="travel_time")

几个关键注意点： #

• 确保你的图是连通的：如果存在孤立的城市节点（无法通过高速到达其他节点），计算直径、半径这类全局度量时会报错。可以先用nx.is_connected(G)检查，非连通图的话可以考虑只针对最大连通分量计算：G_connected = nx.maximum_connected_component_subgraph(G)
• 边属性名要准确：weight参数的值必须和你添加边时用的属性名完全一致，不然会默认把每条边权重当成1计算，结果就不对了
• 有向图也支持：如果你的高速是单向通行，换成nx.DiGraph()创建图，上述函数同样支持指定weight参数

内容的提问来源于stack exchange，提问作者Amatya