如何生成一个具有n个节点的带权重的无向图数据结构？

生成一个带有n个节点的无向图数据结构，并给每个边分配权重，通常可以使用邻接矩阵或邻接列表这两种常见的表示方法。

**1. 邻接矩阵**: 使用二维数组，其中索引对应于图中的节点，值是对角线上对应的元素是节点自身的权重（如果不存在边则设为0），非对角线上的元素表示相邻节点之间的权重。例如，如果节点i和j之间有边，矩阵[i][j]和[j][i]将存储该边的权重。

import numpy as np

def generate_weighted_graph(n):
    graph = np.zeros((n, n), dtype=float)
    # 添加权重... (根据具体需求填充)
    return graph

**2. 邻接列表**: 每个节点包含一个列表，列表里的元素是与之相连的节点及其权重。这适用于边的数量远大于节点数，或需要频繁查询特定节点的出度的情况。

from collections import defaultdict

def generate_weighted_graph(n):
    graph = defaultdict(lambda: [])
    for i in range(n):
        # 添加边... (例如：graph[i].append((j, weight)) 表示节点i到j的权重为weight)
    return graph

在实际操作中，你需要根据应用的具体需求来填充这些数据结构，比如确定节点间的连接关系和权重。如果你需要更复杂的特性，如加权路径搜索或图算法，可能还需要实现额外的数据结构和方法。