Python Scipy 和 Networkx：如何计算欧几里得距离矩阵？

Question

我正在使用 Python Networkx 来构建图表，我有以下节点位置作为示例（positions.txt）：

1 21.5 23
2 24.5 20
3 19.5 19
4 22.5 15
5 24.5 12  

节点 ID、X、Y。我使用 Pandas 读取文件并将位置设置为 Networkx 中的节点属性。在for 循环中使用add_edge(id1, id2, weight) 方法添加节点（没有自边缘）。到目前为止，我已经假设所有节点都默认相互连接，并且没有考虑节点的半径或距离等参数。
现在，我想使用这些节点位置计算节点之间的欧几里得半径或距离矩阵，并且使用这个矩阵，我希望能够打印落在给定半径n 内的节点的邻居并将文件保存为一个 csv 矩阵文件。一位朋友建议我使用scipy 的euclidean 方法，但我不知道如何使用它来构建矩阵，因此我没有起点。我尝试使用ego_graph()，但它没有给我想要的结果。
任何帮助解决我的问题表示赞赏。
提前致谢。 （使用 Ubuntu 14.04 32 位 VM 和 Python 2.7）

Answer 1

您可以使用scipy.spatial.distance.cdist() 在给定坐标列表的情况下生成距离矩阵。

显然，numpy 数组始终是 0 索引的，如果您的节点有随机数，您希望保留它们的列表，以了解矩阵的哪一行/列对应于哪对。

在那之后你所做的应该是微不足道的，但我会根据你的描述给出一个例子。对于每个节点，打印该节点的 id 以及在您的阈值距离内的任何相邻节点的 id。

import numpy as np
from scipy.spatial import distance

def neighbour_nodes_of(node, dist_matrix, distance):
    row = dist_matrix[node]
    return np.where((row <= distance) * (row > 0))[0]

ids = [1, 2, 3, 4, 5]
coords = [(21.5, 23),
          (24.5, 20),
          (19.5, 19),
          (22.5, 15),
          (24.5, 12),
          ]
threshold = 8.

dist_matrix = distance.cdist(coords, coords)

# this is something you can write to a file instead
for i, node_id in enumerate(ids):
    neighbours = neighbour_nodes_of(i, dist_matrix, threshold)
    neighbour_ids = [ids[n] for n in neighbours]
    print([node_id] + neighbour_ids)