python获取邻接表对应的权值

如果你已经有了一个邻接表，那么权重信息可能已经包含在图中。例如，如果你的邻接表是一个字典，那么每个节点的邻居可以作为该节点的键，邻居的值可以是该节点与邻居之间的权重。

例如，以下是一个简单的无向图的邻接表：

graph = {
    'A': {'B': 3, 'C': 4},
    'B': {'A': 3, 'C': 1},
    'C': {'A': 4, 'B': 1}
}

在这个例子中，节点 `A` 有两个邻居， `B` 和 `C`，并且与它们之间的边权分别为 3 和 4。同样地，节点 `B` 有邻居 `A` 和 `C`，分别对应权重 3 和 1。节点 `C` 的邻居是 `A` 和 `B`，对应的权重是 4 和 1。

如果你想要访问某个节点的邻居和相应的权重，可以像下面这样做：

node = 'A'

for neighbor, weight in graph[node].items():
    print(f"{node} -> {neighbor} ({weight})")

这将输出：

A -> B (3)
A -> C (4)

这个示例遍历了节点 `A` 的邻居，对于每个邻居，打印出它的名称和相应的权重。

请注意，这是一个简单的例子，实际上，邻接表和权重的表示方式可能因应用而异。

相关问题

用邻接表实现Dijkstra算法

邻接表是一种常用的图的表示方法，它将每个顶点与其相邻的顶点列表关联起来。Dijkstra算法是一种用于解决单源最短路径问题的贪心算法。下面是用邻接表实现Dijkstra算法的示例代码：

import heapq

def dijkstra(graph, start):
    # 初始化距离字典，将起始节点的距离设为0，其他节点的距离设为无穷大
    distances = {node: float('inf') for node in graph}
    distances[start] = 0

    # 使用优先队列来存储节点和对应的距离
    queue = [(0, start)]

    while queue:
        # 取出距离最小的节点
        current_distance, current_node = heapq.heappop(queue)

        # 如果当前节点的距离已经大于已知的最短距离，则跳过
        if current_distance > distances[current_node]:
            continue

        # 遍历当前节点的邻居节点
        for neighbor, weight in graph[current_node].items():
            distance = current_distance + weight

            # 如果通过当前节点到达邻居节点的距离更短，则更新最短距离
            if distance < distances[neighbor]:
                distances[neighbor] = distance
                heapq.heappush(queue, (distance, neighbor))

    return distances

# 示例图的邻接表表示
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}
}

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

print("最短路径：")
for node, distance in distances.items():
    print(f"从节点 {start_node} 到节点 {node} 的最短距离为 {distance}")

这段代码使用了优先队列来优化取最小权值边的时间复杂度，通过遍历邻居节点并更新最短距离来找到从起始节点到其他节点的最短路径。最后，打印出从起始节点到每个节点的最短距离。

有向图最短路径邻接表

在有向图中，最短路径可以使用邻接表来表示。邻接表是一种常见的图的表示方法，它使用一个数组来存储图中的顶点，并为每个顶点维护一个链表，链表中存储了该顶点指向的其他顶点及对应的边的权值。

下面是一个示例代码，演示了如何使用邻接表表示有向图的最短路径：

class Node:
    def __init__(self, vertex, weight):
        self.vertex = vertex
        self.weight = weight
        self.next = None

class Graph:
    def __init__(self, num_vertices):
        self.num_vertices = num_vertices
        self.adj_list = [None] * num_vertices

    def add_edge(self, src, dest, weight):
        new_node = Node(dest, weight)
        new_node.next = self.adj_list[src]
        self.adj_list[src] = new_node

    def shortest_path(self, start):
        # 初始化距离数组，将起始顶点的距离设为0，其他顶点的距离设为无穷大
        distances = [float('inf')] * self.num_vertices
        distances[start] = 0

        # 初始化访问数组，标记所有顶点为未访问
        visited = [False] * self.num_vertices

        # 逐个顶点进行松弛操作，直到所有顶点都被访问
        for _ in range(self.num_vertices):
            # 找到当前距离最小的顶点
            min_distance = float('inf')
            min_vertex = -1
            for v in range(self.num_vertices):
                if not visited[v] and distances[v] < min_distance:
                    min_distance = distances[v]
                    min_vertex = v

            # 标记该顶点为已访问
            visited[min_vertex] = True

            # 更新与该顶点相邻的顶点的距离
            current = self.adj_list[min_vertex]
            while current:
                neighbor = current.vertex
                weight = current.weight
                if not visited[neighbor] and distances[min_vertex] + weight < distances[neighbor]:
                    distances[neighbor] = distances[min_vertex] + weight
                current = current.next

        return distances

# 创建一个有向图
g = Graph(5)
g.add_edge(0, 1, 6)
g.add_edge(0, 3, 1)
g.add_edge(1, 2, 5)
g.add_edge(1, 3, 2)
g.add_edge(3, 1, 3)
g.add_edge(3, 2, 4)
g.add_edge(4, 3, 2)
g.add_edge(2, 4, 3)

# 计算从顶点0到其他顶点的最短路径
distances = g.shortest_path(0)
print(distances)  # 输出：[0, 6, 8, 1, inf]

这段代码中，我们首先定义了一个`Node`类，用于表示邻接表中的节点。然后定义了一个`Graph`类，其中`add_edge`方法用于添加边，`shortest_path`方法用于计算最短路径。在`shortest_path`方法中，我们使用了迪杰斯特拉算法来计算最短路径。

在示例中，我们创建了一个有向图，并计算了从顶点0到其他顶点的最短路径。最后，我们打印出了最短路径的结果。