### 使用Pandas读取运输网络的邻接矩阵并计算距离矩阵 为了完成此操作，可以按照如下方式处理： #### 准备工作 确保安装了必要的库 `pandas` 和 `openpyxl` 来支持 Excel 文件的操作。 ```bash pip install pandas openpyxl ``` #### 读取Excel文件中的邻接矩阵 通过 Pandas 的 `read_excel()` 方法来加载 Excel 中的数据表。假设 Excel 表格的第一行为节点名称，则可以通过设置参数跳过这些标签行以便于后续处理[^4]。 ```python import pandas as pd # 加载 Excel 文件中的数据 file_path = 'path_to_your_file.xlsx' df_adjacency = pd.read_excel(file_path, index_col=0) print(df_adjacency.head()) ``` #### 计算距离矩阵 对于运输网络而言，如果原始输入的是权重表示的成本或时间而非实际地理上的直线距离，那么可以根据具体情况定义不同的算法来转换成距离值。最简单的方式之一就是直接采用给定的数值作为“成本”，即认为这就是所谓的“距离”。更复杂的情况下可能涉及到路径规划等问题，在这种情况下就需要应用 Dijkstra 或 Floyd-Warshall 等经典图论算法求解最小路径长度从而得到真正的物理意义上的距离矩阵[^3]。 下面给出一个基于Floyd-Warshall算法的例子用于构建距离矩阵: ```python def floyd_warshall(adj_matrix): V = adj_matrix.shape[0] dist = adj_matrix.copy() for k in range(V): for i in range(V): for j in range(V): if (dist[i][k] * dist[k][j] != 0 and (i != k or j != k)): alt = dist[i][k] + dist[k][j] if ((alt < dist[i][j]) or (dist[i][j]==0)): dist[i][j] = alt return dist distance_matrix = floyd_warshall(df_adjacency.values.astype(float)) pd_distance_matrix = pd.DataFrame(distance_matrix, columns=df_adjacency.columns, index=df_adjacency.index) print(pd_distance_matrix) ``` 上述代码实现了经典的弗洛伊德-沃舍尔(Floyd-Warshall)全源最短路径算法，能够有效地找出每一对顶点之间的最短路径，并以此为基础形成新的距离矩阵[^1]。 最后一步是将结果保存回 Excel 文件中去： ```python output_file = "distance_matrix_output.xlsx" with pd.ExcelWriter(output_file, engine='xlsxwriter') as writer: pd_distance_matrix.to_excel(writer, sheet_name="Distance Matrix") print(f"Output written to {output_file}") ``` 这样就可以成功地完成了从读取到处理再到输出整个流程的工作。