写一段Python代码，计算图G的权重邻接矩阵

在Python中，我们可以使用`networkx`库来创建和操作图，并使用`numpy`处理矩阵。首先需要安装这两个库，如果还没有安装，可以使用下面的命令：

pip install networkx numpy

接下来是一个简单的例子，假设我们有一个字典表示图的边及其权重：

import networkx as nx
import numpy as np

# 假设图G的边和权重存储在一个字典中，例如：
edge_weights = {
    ('A', 'B'): 5,
    ('B', 'C'): 7,
    ('C', 'D'): 2,
    ('D', 'E'): 9,
    ('E', 'A'): 4,
}

# 使用networkx创建无向图
G = nx.Graph()
for edge, weight in edge_weights.items():
    G.add_edge(edge[0], edge[1], weight=weight)

# 将图转换为权重邻接矩阵，默认值为0（如果没有边）
adj_matrix = nx.to_numpy_array(G, nodelist=list(G.nodes()), dtype=int)
weights = [G[u][v]['weight'] for u, v in adj_matrix.nonzero()]

# 将权重应用到对应的矩阵元素上
weighted_adj_matrix = np.multiply(adj_matrix, weights)

print("权重邻接矩阵:")
print(weighted_adj_matrix)

在这个例子中，`weighted_adj_matrix`就是图G的权重邻接矩阵。请注意，这仅适用于无向图。如果你有其他特定需求或数据结构，可以根据实际情况调整代码。