python表示网络的距离矩阵

Question

我想请问一下，现在有三个包含两列节点的csv数据集：其中第一个是属于0-10分钟之内的节点与节点的联系。第二个是0-20分钟之内的节点与节点间的互动（包含0-10的节点相连），第三个是0-30之间的互动（包含0-10和10-20，也就是包含0-20）。
我想用python输出三个数据集的距离矩阵，第一个距离矩阵要求节点间如果相连的距离为1.第二个数据集要求节点之间如果在0-10分钟相连的，但是在10-20内没有联系，距离加1（在原来的基础上加1，比如0-10内节点a-b相连距离为1，但是在10-20没有a-b相连，则a-b的距离就为2），在0-10内没有相连的但是在10-20内新相连的距离也是为1（也就是在每个时间段内新出现的为1）。
同理，第三个距离矩阵要求节点之间如果在0-20分钟相连的，但是在20-30内没有联系，距离加1（在原来的基础上加1），如果在0-20没有相连的，但是在0-30内相连的，距离减1(0-20a-b距离为2（表示在这个时间段没有联系，但是在0-10有联系），0-30又有联系了距离=2-1=1）
现在我想的第一个距离矩阵这样：8_女子学院-10.csv'代表0-10内的联系。
问题：1.请问这个0-10内代码有问题吗？我觉得输出的距离矩阵不是很对
2.请问第二个和第三个时间段的距离矩阵该怎么修改呢？

edges = []
n = 239 #不同节点数
with open('./PT NODEXIN.csv',"rt", encoding="utf-8") as csvfile:
    reader = csv.DictReader(csvfile)
    nodelist = [row['node'] for row in reader]
max_value = max([int(i) for i in nodelist])
#print('最大节点编号：%d'%(max_value))

mymatrix1= np.zeros([max_value,max_value], dtype = int, order = 'C')#初始化邻接矩阵，无边为0   二行第一列表示节点编号2到节点编号1是否有边


with open('./8_女子学院-10.csv','r') as f: 
    data = f.readlines() 
    for line in data:
        #print line
        line = list(line.replace('\r','').replace('\n','').replace('\t','').split(','))
        mymatrix1[int(line[0])-1][int(line[1])-1] = 1;#邻接矩阵有边为1
        edges.append({int(line[0]),int(line[1])})
# 根据邻接矩阵生成距离矩阵
distance_matrix = np.zeros((n, n), dtype=int)
for i in range(n):
    for j in range(i+1, n):
        if mymatrix1[i][j] == 1:
            distance_matrix[i][j] = 1
            distance_matrix[j][i] = 1
print(distance_matrix)

Answer 1

本人结合ChatGPT4.0的回答如下：
问题1：请问这个0-10内代码有问题吗？我觉得输出的距离矩阵不是很对。

代码中读取csv文件的部分和生成邻接矩阵部分是正确的。但是，在生成距离矩阵的部分，仅考虑了直接相连的节点。为了得到完整的距离矩阵，你需要使用Floyd-Warshall算法计算所有节点对之间的最短距离。修改代码如下：

import numpy as np
import csv

def floyd_warshall(matrix):
    n = len(matrix)
    distance_matrix = np.array(matrix)
    for k in range(n):
        for i in range(n):
            for j in range(n):
                distance_matrix[i][j] = min(distance_matrix[i][j], distance_matrix[i][k] + distance_matrix[k][j])
    return distance_matrix

edges = []
n = 239 #不同节点数

# ... 其他代码不变 ...

# 使用Floyd-Warshall算法计算完整的距离矩阵
# 将邻接矩阵中的0替换为一个大的数（除对角线以外的0）
mymatrix1[mymatrix1 == 0] = 1e6
np.fill_diagonal(mymatrix1, 0)
distance_matrix = floyd_warshall(mymatrix1)

print(distance_matrix)

问题2：请问第二个和第三个时间段的距离矩阵该怎么修改呢？

根据问题描述，你需要为每个时间段分别计算一个距离矩阵，然后结合前一个时间段的距离矩阵来更新当前时间段的距离。你可以将代码封装成一个函数，然后为每个时间段调用该函数。这里我为你提供一个简化的函数框架，你可以在此基础上进行修改：

def get_distance_matrix(filename, prev_distance_matrix=None):
    # 读取CSV文件，生成邻接矩阵，然后计算距离矩阵
    # 如果prev_distance_matrix不为None，根据问题描述更新当前时间段的距离矩阵
    # 返回当前时间段的距离矩阵

distance_matrix_10 = get_distance_matrix('./8_女子学院-10.csv')
distance_matrix_20 = get_distance_matrix('./8_女子学院-20.csv', prev_distance_matrix=distance_matrix_10)
distance_matrix_30 = get_distance_matrix('./8_女子学院-30.csv', prev_distance_matrix=distance_matrix_20)

函数get_distance_matrix需要读取CSV文件，生成邻接矩阵，然后计算距离矩阵。当prev_distance_matrix参数不为None时，你需要根据问题描述更新当前时间段的距离矩阵。最后，你可以调用该函数为每个时间段生成距离矩阵。