python 无向图

要表示无向图，可以使用邻接表或邻接矩阵。其中邻接表是一个字典，键为节点，值为与该节点相邻的节点列表。邻接矩阵则是一个二维数组，其中第 i 行第 j 列的值表示节点 i 和节点 j 是否相邻。

示例代码：

# 邻接表表示无向图
graph = {
    1: [2, 3],
    2: [1, 3, 4],
    3: [1, 2, 4],
    4: [2, 3]
}

# 邻接矩阵表示无向图
matrix = [
    [0, 1, 1, 0],
    [1, 0, 1, 1],
    [1, 1, 0, 1],
    [0, 1, 1, 0]
]

相关问题

python无向图最短路径

要找到python无向图中的最短路径，可以使用Dijkstra算法或Floyd算法。

Dijkstra算法用于找到从一个顶点到其他所有顶点的最短路径。它通过逐步确定从起始顶点到其他顶点的最短距离，并记录最短路径的前驱顶点。这个算法的时间复杂度为O(num_node**2)，其中num_node是图中顶点的数量。

Floyd算法则可以找到图中任意两个顶点之间的最短路径。它通过动态规划的方式，逐步更新两个顶点之间的最短路径长度。这个算法的时间复杂度为O(num_node**3)。

选择使用哪个算法取决于具体的需求。如果只需要找到从一个顶点到其他所有顶点的最短路径，可以使用Dijkstra算法。如果需要找到任意两个顶点之间的最短路径，可以使用Floyd算法。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* [Python 图_系列之基于链接表＞实现无向图最短路径搜索](https://blog.csdn.net/y6123236/article/details/123971104)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *3* [python 无向图最短路径之Dijkstra算法](https://blog.csdn.net/WYXHAHAHA123/article/details/89678253)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]

python无向图可视化

### 推荐库

对于无向图的可视化，NetworkX 和 Pyvis 是两个非常出色的 Python 库。NetworkX 提供了强大的功能来创建、操作和研究复杂网络结构中的模式[^1]。而 Pyvis 则专注于交互式的图形展示，可以轻松生成 HTML 文件以便在网络浏览器中查看。

#### NetworkX 示例代码
下面是一个简单的例子，展示了如何利用 NetworkX 来绘制一个基本的无向图：

import networkx as nx
import matplotlib.pyplot as plt

# 创建一个新的空图表对象
G = nx.Graph()

# 添加节点
nodes_list = ['A', 'B', 'C', 'D']
G.add_nodes_from(nodes_list)

# 定义边并加入到图中
edges_list = [('A','B'), ('B','C'), ('C','D'),('D','A')]
G.add_edges_from(edges_list)

# 绘制图像
plt.figure(figsize=(8,6))
nx.draw(G, with_labels=True, node_color='skyblue', edge_color='gray')
plt.show()

这段程序会构建一个由四个顶点组成的环形无向图，并通过 `matplotlib` 将其渲染出来。

#### Pyvis 示例代码
如果希望得到更具有互动性的结果，则可以选择使用 Pyvis:

from pyvis.network import Network

net = Network(notebook=True)
for n in nodes_list:
    net.add_node(n)

for e in edges_list:
    net.add_edge(e[0],e[1])

net.toggle_physics(True)
net.show("example.html")  # 打开默认网页浏览器显示图形

此段脚本同样建立了一个四节点的循环连接，但是它所产生的输出文件可以直接在任何现代Web浏览器上打开，并允许用户放大缩小以及拖拽节点位置等操作。