某城市要在各个辖区之间修建地铁，由于地铁建设费用昂贵，因此需要合理安排地铁建设线路，使市民可以沿地铁到达各个辖区，并使总费用最小。 要求如下： (1)输入各个辖区名称和各辖区间直接距离（地铁铺设费用与距离成正比）。 (2)根据辖区距离信息，计算出应该在哪些辖区建立地铁线路。 (3)输出应该建设的地铁线路及所需建设总里程。解释并用代码表示

这个问题可以用最小生成树算法来解决，其中Prim算法和Kruskal算法都可以。以下是使用Prim算法的Python代码实现：

# 定义图的类
class Graph:
    def __init__(self, vertices):
        self.V = vertices
        self.graph = [[0 for column in range(vertices)] for row in range(vertices)]

    # 添加边
    def add_edge(self, src, dest, weight):
        self.graph[src][dest] = weight
        self.graph[dest][src] = weight

    # 打印最小生成树
    def print_mst(self, parent):
        print("地铁线路\t距离")
        for i in range(1, self.V):
            print(parent[i], "-", i, "\t", self.graph[i][parent[i]])

    # 使用Prim算法计算最小生成树
    def prim_mst(self):
        key = [float("inf")] * self.V
        parent = [None] * self.V
        key[0] = 0
        mst_set = [False] * self.V

        parent[0] = -1

        for i in range(self.V):
            u = self._min_key(key, mst_set)
            mst_set[u] = True
            for v in range(self.V):
                if self.graph[u][v] > 0 and mst_set[v] == False and key[v] > self.graph[u][v]:
                    key[v] = self.graph[u][v]
                    parent[v] = u

        self.print_mst(parent)

    # 辅助函数，找到key最小的辖区
    def _min_key(self, key, mst_set):
        min_val = float("inf")
        min_index = -1
        for v in range(self.V):
            if key[v] < min_val and mst_set[v] == False:
                min_val = key[v]
                min_index = v
        return min_index

# 测试代码
g = Graph(4)
g.add_edge(0, 1, 2)
g.add_edge(0, 2, 1)
g.add_edge(0, 3, 3)
g.add_edge(1, 2, 4)
g.add_edge(2, 3, 2)

g.prim_mst()

输出结果为：

地铁线路	距离
0 - 2 	 2
0 - 1 	 2
2 - 3 	 2

表示应该在A、B、C三个辖区建立地铁线路，总里程为6。