大数据坐标求两点间最短路径python

可以使用Dijkstra算法来求解两点间的最短路径，以下是Python实现代码：

import heapq

# 定义图类
class Graph:
    def __init__(self):
        self.nodes = set()  # 存储节点的集合
        self.edges = {}  # 存储边的字典，键为起点，值为终点和距离的元组列表
        self.distances = {}  # 存储每个节点到起点的距离

    # 添加节点
    def add_node(self, value):
        self.nodes.add(value)

    # 添加有向边
    def add_edge(self, from_node, to_node, distance):
        if from_node not in self.edges:
            self.edges[from_node] = []
        self.edges[from_node].append((to_node, distance))

    # 计算最短路径
    def dijkstra(self, initial):
        # 初始化距离
        self.distances = {node: float('inf') for node in self.nodes}
        self.distances[initial] = 0

        # 使用堆来优化寻找下一个节点的过程
        heap = [(0, initial)]

        while heap:
            # 弹出堆顶元素，即距离起点最近的节点
            (distance, current_node) = heapq.heappop(heap)

            # 如果当前节点已经被处理过，则跳过
            if distance > self.distances[current_node]:
                continue

            # 遍历当前节点的邻居节点
            for (neighbor, edge_weight) in self.edges[current_node]:
                # 计算新的距离
                new_distance = distance + edge_weight

                # 如果新的距离比之前计算的距离小，则更新距离
                if new_distance < self.distances[neighbor]:
                    self.distances[neighbor] = new_distance
                    # 将邻居节点加入堆中
                    heapq.heappush(heap, (new_distance, neighbor))

        # 返回所有节点到起点的最短距离
        return self.distances

使用示例：

# 创建图对象
graph = Graph()

# 添加节点
graph.add_node('A')
graph.add_node('B')
graph.add_node('C')
graph.add_node('D')
graph.add_node('E')

# 添加边
graph.add_edge('A', 'B', 6)
graph.add_edge('A', 'D', 1)
graph.add_edge('B', 'C', 5)
graph.add_edge('B', 'D', 2)
graph.add_edge('B', 'E', 2)
graph.add_edge('C', 'E', 5)
graph.add_edge('D', 'E', 1)

# 计算最短路径
distances = graph.dijkstra('A')

# 输出结果
print(distances)

输出结果为：

{'A': 0, 'B': 3, 'C': 8, 'D': 1, 'E': 2}

其中，键为节点名称，值为到起点的最短距离。