如何使用Dijkstra算法在Python中计算带权重的图的最短路径？请提供一个具体的代码示例。

Dijkstra算法是图论中非常重要的算法之一，它能够高效地找到图中一个顶点到其他所有顶点的最短路径。在Python中，Dijkstra算法的实现需要对图进行适当的建模，并使用合适的数据结构来存储顶点间的关系和距离信息。以下是一个详细的Python代码示例，展示了如何实现Dijkstra算法：

参考资源链接：[Python Dijkstra算法实现图最短路径详解](https://wenku.csdn.net/doc/6401abe6cce7214c316e9e98?spm=1055.2569.3001.10343)

首先，我们需要定义图的数据结构，通常可以使用邻接矩阵或邻接表来表示图。在这个例子中，我们使用邻接矩阵来表示图，其中矩阵中的每个元素表示对应边的权重。如果两个顶点之间没有直接的边，则权重设置为无穷大。

import heapq

def dijkstra(graph, start):
    # 初始化距离数组，所有顶点距离设为无穷大，起始顶点距离设为0
    distances = [float('inf')] * len(graph)
    distances[start] = 0
    # 用于记录最短路径树的集合
    visited = set()

    while len(visited) < len(graph):
        # 遍历所有顶点，找到未访问中距离最小的顶点
        min_distance = float('inf')
        min_index = -1
        for v in range(len(graph)):
            if v not in visited and distances[v] < min_distance:
                min_distance = distances[v]
                min_index = v

        # 标记当前顶点为已访问
        visited.add(min_index)

        # 更新当前顶点所有邻接点的距离
        for v in range(len(graph[min_index])):
            if graph[min_index][v] > 0 and v not in visited:
                distance = distances[min_index] + graph[min_index][v]
                if distance < distances[v]:
                    distances[v] = distance

    return distances

# 示例图的邻接矩阵表示
graph = [
    [0, 6, 0, 1, 0],
    [6, 0, 5, 2, 2],
    [0, 5, 0, 0, 5],
    [1, 2, 0, 0, 1],
    [0, 2, 5, 1, 0],
]

# 起始顶点为0
start_vertex = 0
shortest_paths = dijkstra(graph, start_vertex)
print(

参考资源链接：[Python Dijkstra算法实现图最短路径详解](https://wenku.csdn.net/doc/6401abe6cce7214c316e9e98?spm=1055.2569.3001.10343)