# 将结果写入Excel文件中 rows = [] for i, row in enumerate(dist): for j, value in enumerate(list(row)): # 将row转换为列表类型 rows.append({"起始节点": i, "终止节点": j, "最短路长度": value}) df_result = pd.DataFrame(rows) df_result.to_excel(r"C:\Users\li'yi'jie\Desktop\最短路径结果.xlsx", index=False)报错TypeError: 'numpy.int64' object is not iterable如何修改？

这个错误提示是因为在使用`enumerate`函数的时候，其中的`row`是一个`numpy.int64`类型的对象，而这个对象是不可迭代的，所以会出现这个错误。可以通过将`row`转换为列表类型来解决这个问题，具体代码如下：

# 将结果写入Excel文件中
rows = []
for i, row in enumerate(dist):
    for j, value in enumerate(list(row)): # 将row转换为列表类型
        rows.append({"起始节点": i, "终止节点": j, "最短路长度": value})
df_result = pd.DataFrame(rows)
df_result.to_excel(r"C:\Users\li'yi'jie\Desktop\最短路径结果.xlsx", index=False)

这样就可以避免这个错误。

相关问题

import pandas as pd import numpy as np import networkx as nx import matplotlib.pyplot as plt df = pd.read_excel(r"C:\Users\li'yi'jie\Desktop\运筹学网络规划数据.xlsx") edges = [] for i in range(len(df)): edge = { "id": df.loc[i, "边的编号"], "tail": df.loc[i, "边的尾节点"], "head": df.loc[i, "边的头节点"], "length": df.loc[i, "长度"], "capacity": df.loc[i, "容量"] } edges.append(edge) plt.figure(figsize=(15,15)) G = nx.DiGraph() for edge in edges: G.add_edge(edge["tail"], edge["head"], weight=edge["length"]) all_pairs = dict(nx.all_pairs_dijkstra_path_length(G)) pos = nx.spring_layout(G) nx.draw(G, pos, with_labels=True) labels = nx.get_edge_attributes(G, "weight") nx.draw_networkx_edge_labels(G, pos, edge_labels=labels) #nx.draw_networkx_edge_labels(G, pos, edge_labels=labels, label_pos=0.3) plt.show() # 使用Floyd算法求解所有顶点对之间的最短路长度 dist = nx.floyd_warshall(G) # 将结果写入Excel文件中 rows = [] for i, row in enumerate(dist): for j, value in enumerate(row): rows.append({"起始节点": i, "终止节点": j, "最短路长度": value}) df_result = pd.DataFrame(rows) df_result.to_excel(r"C:\Users\li'yi'jie\Desktop\最短路径结果.xlsx", index=False)报错TypeError: 'numpy.int64' object is not iterable如何修改？

这个错误提示是因为在使用`enumerate`函数的时候，其中的`row`是一个`numpy.int64`类型的对象，而这个对象是不可迭代的，所以会出现这个错误。可以通过将`row`转换为列表类型来解决这个问题，具体代码如下：

# 将结果写入Excel文件中
rows = []
for i, row in enumerate(dist):
    for j, value in enumerate(list(row)): # 将row转换为列表类型
        rows.append({"起始节点": i, "终止节点": j, "最短路长度": value})
df_result = pd.DataFrame(rows)
df_result.to_excel(r"C:\Users\li'yi'jie\Desktop\最短路径结果.xlsx", index=False)

这样就可以避免这个错误。

import pandas as pd import networkx as nx import matplotlib.pyplot as plt df = pd.read_excel(r"C:\Users\li'yi'jie\Desktop\运筹学网络规划数据.xlsx") edges = [] for i in range(len(df)): edge = { "id": df.loc[i, "边的编号"], "tail": df.loc[i, "边的尾节点"], "head": df.loc[i, "边的头节点"], "length": df.loc[i, "长度"], "capacity": df.loc[i, "容量"] } edges.append(edge) plt.figure(figsize=(10,8)) G = nx.DiGraph() for edge in edges: G.add_edge(edge["tail"], edge["head"], weight=edge["length"]) all_pairs = dict(nx.all_pairs_dijkstra_path_length(G)) pos = nx.spring_layout(G) nx.draw(G, pos, with_labels=True) labels = nx.get_edge_attributes(G, "weight") nx.draw_networkx_edge_labels(G, pos, edge_labels=labels, label_pos=0.3) plt.show()修改代码将所有顶点对间最短路长度写入一个新的excel

好的，您可以使用`pandas`库将结果写入Excel文件中。下面是具体的代码实现：

import pandas as pd 
import networkx as nx 

# 从Excel中读入边列表
df = pd.read_excel(r"C:\Users\li'yi'jie\Desktop\运筹学网络规划数据.xlsx")
edges = []
for i in range(len(df)):
    edge = {
        "id": df.loc[i, "边的编号"],
        "tail": df.loc[i, "边的尾节点"],
        "head": df.loc[i, "边的头节点"],
        "length": df.loc[i, "长度"],
        "capacity": df.loc[i, "容量"]
    }
    edges.append(edge)

# 构建有向图对象
G = nx.DiGraph()
for edge in edges:
    G.add_edge(edge["tail"], edge["head"], weight=edge["length"])

# 使用Floyd算法求解所有顶点对之间的最短路长度
dist = nx.floyd_warshall(G)

# 将结果写入Excel文件中
rows = []
for i, row in enumerate(dist):
    for j, value in enumerate(row):
        rows.append({"起始节点": i, "终止节点": j, "最短路长度": value})
df_result = pd.DataFrame(rows)
df_result.to_excel(r"C:\Users\li'yi'jie\Desktop\最短路径结果.xlsx", index=False)

其中，我们使用`pandas`库的`DataFrame`类来创建一个数据框，然后将每个顶点对之间的最短路长度作为一行数据添加到数据框中。最后，使用`to_excel`方法将数据框写入Excel文件中。

需要注意的是，在使用`to_excel`方法时，我们需要将`index`设置为`False`，否则会将每行数据的索引作为Excel文件中的一列数据写入。