### 将0-1矩阵转换为带权重的字典 在Python中，可以编写一个函数来将表示0-1关系的矩阵转换为带有权重的字典。以下是具体的实现方式： #### 实现代码 ```python def convert_matrix_to_weighted_dict(matrix): """ 将0-1矩阵转换为带权重的字典。 参数: matrix (list[list[int]]): 输入的二维列表形式的0-1矩阵。 返回: dict: 带权重的关系字典。 """ weighted_dict = {} # 遍历矩阵中的每一行和列索引 for i in range(len(matrix)): for j in range(len(matrix[i])): if matrix[i][j] == 1: # 如果存在连接，则记录权重为1 key = tuple(sorted((i, j))) # 使用元组作为键并排序以避免重复 if key not in weighted_dict: weighted_dict[key] = 1 else: weighted_dict[key] += 1 return weighted_dict # 测试示例 matrix_example = [ [0, 1, 0], [1, 0, 1], [0, 1, 0] ] weighted_result = convert_matrix_to_weighted_dict(matrix_example) print(weighted_result) ``` #### 解释 上述代码定义了一个名为`convert_matrix_to_weighted_dict`的函数，该函数接受一个二维列表形式的0-1矩阵作为输入参数，并返回一个字典。字典的键是由两个节点组成的元组（按顺序排列），而值则是它们之间的边数或权重[^5]。 对于测试示例 `[[0, 1, 0], [1, 0, 1], [0, 1, 0]]`，输出将是 `{(0, 1): 1, (1, 2): 1}`，这表明节点0与节点1之间有一条边，节点1与节点2之间也有一条边。 如果矩阵中有多个位置标记为1，则可以通过累加的方式更新权重。 --- ### 注意事项 - **性能优化**: 对于非常大的稀疏矩阵，建议使用更高效的存储结构，例如SciPy库中的稀疏矩阵格式（如CSR或CSC）。这样可以在内存占用和计算效率方面获得显著提升[^6]。 - **数据验证**: 在实际应用中，应确保输入是一个有效的方阵或者矩形矩阵，并处理可能出现的异常情况。 --- #### 参考扩展功能 如果希望进一步增强此功能，还可以考虑以下改进： 1. 支持自定义权重初始化逻辑； 2. 处理非对称矩阵的情况； 3. 提供可视化工具展示生成的字典内容。 ---