如何从节点对及权重列表创建字典的字典数组结构？

你现在的代码生成的是嵌套字典（格式为{节点: {相邻节点: 权重}}），但你想要的是值为字典数组的字典——也就是每个节点对应一个数组，数组里的每个元素是包含邻居节点和权重的独立字典对吧？

修改后的代码 #

只需要调整defaultdict的类型，并把赋值操作改成列表追加字典的方式即可：

import pandas as pd
import numpy as np
import collections

# 读取数据（和你原来的代码一致）
nets = pd.read_table('data/nodes.txt', header=None)
bb = np.array(nets).tolist()

# 把defaultdict的类型从dict改成list，每个节点对应一个列表
graph = collections.defaultdict(list)

for row in bb:
    # 给第一个节点的列表添加包含邻居和权重的字典
    graph[row[0]].append({"node": row[1], "weight": row[2]})
    # 反向邻居也做同样的操作（保持无向图的特性）
    graph[row[1]].append({"node": row[0], "weight": row[2]})

# 转换成普通字典输出
print(dict(graph))

结构说明 #

修改后生成的结构会是你想要的样子，示例输出如下：

{
    0: [{"node": 1, "weight": 2}, {"node": 2, "weight": 3}, {"node": 3, "weight": 6}, {"node": 7, "weight": 8}],
    1: [{"node": 0, "weight": 2}, {"node": 2, "weight": 5}, {"node": 4, "weight": 7}],
    2: [{"node": 0, "weight": 3}, {"node": 1, "weight": 5}, {"node": 11, "weight": 5}, {"node": 5, "weight": 4}],
    ...
}

关键修改点 #

• 把collections.defaultdict(dict)改为collections.defaultdict(list)：因为我们需要每个节点对应一个数组，而非另一个字典。
• 用append()替代直接键值赋值：每次循环往列表里添加一个新的字典，字典里明确存储node（邻居节点）和weight（权重）两个字段，这样就实现了“字典数组”的结构。

内容的提问来源于stack exchange，提问作者niiwise