问题描述
我有以下网络:
df = pd.DataFrame([
{'Material': 'FG','Component': 'COMP1'},{'Material': 'FG','Component': 'COMP2'},{'Material': 'COMP1','Component': 'RAW1'},'Component': 'RAW2'},{'Material': 'COMP2','Component': 'RAW3'},{'Material': 'COMP3','Component': 'RAW4'}
])
G = nx.from_pandas_edgelist(df,source='Material',target='Component',create_using=nx.DiGraph)
G.nodes['FG']['t'] = 2
G.nodes['COMP1']['t'] = 3
G.nodes['COMP2']['t'] = 5
G.nodes['COMP3']['t'] = 1
G.nodes['RAW1']['t'] = 6
G.nodes['RAW2']['t'] = 4
G.nodes['RAW3']['t'] = 1
G.nodes['RAW4']['t'] = 8
我想从选定节点的后代计算属性 't' 的最大总和。换句话说,写一个函数:
max_att_sum(G,node,att)
例如上面的返回值,即:
[in] max_att_sum(G,'COMP1','t)
[out] 9
9,因为'RAW1' (6) + 'COMP1' (3) > 'RAW2' (4) + 'COMP1' (3)
有人知道如何解决这个问题吗?
解决方法
我已经找到了解决方案。但是,如果您知道更有效的解决方案,我将不胜感激。
步骤 1. 为每条边添加权重:
for e in nx.edges(G):
if nx.descendants(G,e[1]):
G[e[0]][e[1]]['weight'] = G.nodes[e[0]]['t']
else:
G[e[0]][e[1]]['weight'] = G.nodes[e[0]]['t'] + G.nodes[e[1]]['t']
步骤 2. 计算最长路径的函数:
def max_att_sum(G,node,attr):
if nx.descendants(G,node):
return nx.dag_longest_path_length(G.subgraph(nx.descendants(G,node) | set([node])))
else:
return G.nodes[node][attr]