python最短路径问题 依次输入某城市到其他城市的时间_最短路径算法 python

对于最短路径问题，可以使用Dijkstra算法或者Floyd算法进行求解。以下是使用Dijkstra算法的示例代码：

import heapq

# 构建有向图
graph = {
    'A': {'B': 5, 'C': 1},
    'B': {'A': 5, 'C': 2, 'D': 1},
    'C': {'A': 1, 'B': 2, 'D': 4, 'E': 8},
    'D': {'B': 1, 'C': 4, 'E': 3, 'F': 6},
    'E': {'C': 8, 'D': 3},
    'F': {'D': 6}
}

def dijkstra(graph, start):
    # 初始化距离列表和堆
    distances = {node: float('inf') for node in graph}
    distances[start] = 0
    heap = [(0, start)]

    while heap:
        # 弹出堆中距离最小的节点
        (distance, current_node) = heapq.heappop(heap)

        # 如果该节点已经访问过，则跳过
        if distance > distances[current_node]:
            continue

        # 遍历该节点的所有邻居
        for neighbor, weight in graph[current_node].items():
            new_distance = distance + weight

            # 如果新的距离比之前的距离更小，则更新距离
            if new_distance < distances[neighbor]:
                distances[neighbor] = new_distance
                heapq.heappush(heap, (new_distance, neighbor))

    return distances

start = 'A'
distances = dijkstra(graph, start)

# 输出从起点到其他节点的最短距离
for node in distances:
    print(f'{start} -> {node}: {distances[node]}')

在上述代码中，我们首先构建了一个有向图，然后使用Dijkstra算法求解从起点到其他节点的最短距离。其中，使用了堆来维护当前距离最小的节点，以提高算法的效率。最后，输出了从起点到其他节点的最短距离。