### 将无权图转换为带权重的邻接表 在 Python 中，可以使用字典来表示加权邻接表。对于给定的 0-1 关系图，可以通过遍历原始边列表并为其分配默认权重（例如 `wt=1`），从而将其转换为带权重的形式[^1]。 以下是实现此功能的一个代码示例： ```python def convert_to_weighted_adjacency_list(edges): adj_list = {} for edge in edges: u, v = edge if u not in adj_list: adj_list[u] = [] if v not in adj_list: adj_list[v] = [] # 默认权重设为 1 adj_list[u].append((v, 1)) return adj_list # 示例输入：无权图中的边 edges = [(0, 1), (1, 2), (2, 3), (0, 2), (1, 3)] # 转换为带权重的邻接表 weighted_adj_list = convert_to_weighted_adjacency_list(edges) # 打印结果 for node, neighbors in weighted_adj_list.items(): print(f"{node}: {neighbors}") ``` 运行以上代码后，会得到如下形式的结果： ``` 0: [(1, 1), (2, 1)] 1: [(2, 1), (3, 1)] 2: [(3, 1)] 3: [] ``` 在这个例子中，每条边都被赋予了一个默认权重 `1`。如果需要自定义权重，则可以在调用函数时传入额外参数或将权重作为元组的一部分处理[^1]。 --- ### 使用 PyGraph 库扩展功能 如果希望进一步操作该图结构，还可以利用外部库如 `pygraph` 来构建更复杂的模型。例如，在引用[1]的基础上，可以直接初始化一个有向图对象，并通过其内置方法完成更多高级计算[^1]。 #### 安装依赖项 首先安装所需模块： ```bash pip install pygraph ``` #### 构建加权图实例 下面展示如何基于上述数据创建一个带有权重属性的对象： ```python from pygraph.classes.digraph import digraph # 初始化有向图 gr = digraph() # 添加节点集合 nodes = [0, 1, 2, 3] gr.add_nodes(nodes) # 添加带权重的边 edges_with_weights = [ (0, 1, 4), (1, 2, 3), (2, 3, 5), (0, 2, 3), (1, 3, 4) ] for src, dst, weight in edges_with_weights: gr.add_edge((src, dst), wt=weight) print("Nodes:", gr.nodes()) print("Edges with weights:") for e in gr.edges(): print(e, "->", gr.edge_properties[e]['wt']) ``` 执行这段脚本将会输出完整的节点集以及它们之间的连接关系及其对应的数值[^1]。 --- ### 总结 无论是手动编码还是借助第三方工具包，都可以轻松地把简单的二进制关联映射升级成更加灵活丰富的表达方式——即所谓的“加权邻接清单”。这种方法不仅便于理解还利于后续深入分析诸如最短路径寻找等问题解决过程之中应用广泛[^2]。