基于图结构实现北京地铁乘坐线路查询( python)
问题描述
编写一个程序实现北京地铁最短乘坐(站)线路查询,输入为起始站名和目的站名,输出为从起始站到目的站的最短乘坐站换乘线路。
- 采用Dijkstra算法实现;
- 如果两站间存在多条最短路径,找出其中的一条就行
数据输入形式
文件bgstations.txt为数据文件,包含了北京地铁的线路及车站信息。其格式如下:
<地铁线路总条数>
<线路1> <线路1站数>
<站名1> <换乘状态>
<站名2> <换乘状态>
...
<线路2> <线路2站数>
<站名1> <换乘状态>
<站名2> <换乘状态>
...
例如演示代码输入的数据形式:
12
1 23
苹果园 0
古城 0
八角游乐园 0
八宝山 0
玉泉路 0
五棵松 0
万寿路 0
公主坟 1
军事博物馆 1
木樨地 0
南礼士路 0
复兴门 1
西单 1
...
2 19
西直门 1
积水潭 0
鼓楼大街 1
...
西直门 1
...
该文件表明当前北京地铁共有12条线路(不含郊区线路),接着为每条线路信息。
打开当前目录下文件bgstations.txt,读入地铁线路信息,并从标准输入中读入起始站和目的站名(均为字符串,各占一行)。
数据输出形式
输出从起始站到目的站的乘坐信息,要求乘坐站数最少。换乘信息格式如下:
SSN-n1(m1)-S1-n2(m2)-...-ESN
其中:SSN和ESN分别为起始站名和目的站名;n为乘坐的地铁线路号,m为乘坐站数。
代码结构以及重难点分析
- 站名是中文字符,对于不同的编译器或者不同的操作系统,可能会导致乱码的形式出现
# try except部分代码用于修改python runtime的标准输入输出的编码格式
try:
import io
import sys
sys.stdin = io.TextIOWrapper(sys.stdin.detach(), encoding='utf-8')
sys.stdout = io.TextIOWrapper(sys.stdout.detach(), encoding='utf-8')
except:
pass
# 读取地铁线路信息的函数
def read_file(filename):
# 打开文件时指定编码为"utf-8"
f = open(filename, 'r', encoding="utf-8")
# 读取总线路数目
total = int(f.readline())
for _ in range(total):
# 读取线路id和线路站数
id, n = (int(x) for x in f.readline().split())
for j in range(n):
# 读取站名和换乘站信息
name, is_transfer = f.readline().split()
return subway_info
- 环线、直线、换乘
从bgstations.txt中可以看见如下数据输入:从bgstations.txt中可以看见如下数据输入:
2 19
西直门 1
积水潭 0
鼓楼大街 1
…
车公庄 1
西直门 1
这说明2号线是环路,所以要在建立地铁站连线图结构的时候对环线的最短路径加以考虑。我们来看图想一下
譬如,从鼓楼大街到复兴门,沿安定门方向和沿积水潭方向都可以到达,比较两者路径长度显然是后者是更优解。当然这样一想一脸懵逼 ,要怎么做呢?
我们就要来看看图结构的表达形式
简单介绍一下图
图(Graph)是一种比线性表和树更为复杂的数据结构。
图结构:是研究数据元素之间的多对多的关系。在这种结构中,任意两个元素之间可能存在关系。即结点之间的关系可以是任意的,图中任意元素之间都可能相关。 图的应用极为广泛,已渗入到诸如语言学、逻辑学、物理、化学、电讯、计算机科学以及数学的其它分支。
图的基本术语:
1.弧(Arc) :表示两个顶点v和w之间存在一个关系,用顶点偶对<v,w>表示。通常根据图的顶点偶对将图分为有向图和无向图。
2.有向图(Digraph): 若图G的关系集合E(G)中,顶点偶对<v,w>的v和w之间是有序的,称图G是有向图。 在有向图中,若 <v,w>∈E(G) ,表示从顶点v到顶点w有一条弧。 其中:v称为弧尾(tail)或始点(initial node),w称为弧头(head)或终点(terminal node) 。
3.无向图(Undigraph): 若图G的关系集合E(G)中,顶点偶对<v,w>的v和w之间是无序的,称图G是无向图。
4.完全无向图:对于无向图,若图中顶点数为n ,用e表示边的数目,则e ∈[0,n(n-1)/2] 。具有n(n-1)/2条边的无向图称为完全无向图。
5.完全有向图:对于有向图,若图中顶点数为n ,用e表示弧的数
目,则e∈[0,n(n-1)] 。具有n(n-1)条边的有向图称为完全有向图。
6.权(Weight):与图的边和弧相关的数。权可以表示从一个顶点到另一个顶点的距离或耗费
7.子图和生成子图:设有图G=(V,E)和G’=(V’,E’),若V’=V且E’∈E ,则称图G’是G的子图;若V’=V且E’∈E,则称图G’是G的一个生成子图。顶点的邻接(Adjacent):对于无向图G=(V,E),若边(v,w)∈E,则称顶点v和w 互为邻接点,即v和w相邻接。边(v,w)依附(incident)与顶点v和w 。
图的存储结构
-
邻接矩阵
∞ 6 2 ∞ ∞
6 ∞ 3 4 3
2 3 ∞ 1 ∞
∞ 4 3 ∞ 5
∞ 3 ∞ 5 ∞
# 定义邻接矩阵图类
class Graph:
def __init__(self,mat,unconn=0):
vnum=len(mat)
for x in mat:
if len(x)!=vnum:#检查是否是方阵
raise ValueError("Argument for 'Graph'.")
self._mat=[mat[i][:] for i in range(vnum)]#赋值mat到self._mat
self._unconn=unconn
self._vnum=vnum
def vertex_num(self):
return self._vnum
def _invalid(self,v):
return 0>v or v>=self._vnum
def add_vertex(self):#并未计划支持增加顶点,所以直接定义为错误,要增加顶点需要增加一行矩阵一列
raise GraphError("Adj-Matrix does not support 'add_vertex'.")
def add_edge(self,vi,vj,val=1):
if self._invalid(vi) or self._invalid(vj):
raise GraphError(str(vi)+' or '+str(vj)+" is not a valid vertex.")
self._mat[vi][vj]=val
def get_edge(self,vi,vj):
if self._invalid(vi) or self._invalid(vj):
raise GraphError(str(vi)+' or '+str(vj)+" is not a valid vertex.")
return self._mat[vi][vj]
#记录已经构造的表
#用静态方法构造结点表
def out_edges(self,vi):
if self._invalid(vi):
raise GraphError(str(vi)+" is not a valid vertex.")
return self._out_edges(self._mat[vi],self._unconn)
@staticmethod
def _out_edges(row,unconn):
edges=[]
for i in range(len(row)):
if row[i]!=unconn:
edges.append((i,row[i]))
return edges
邻接矩阵 对于大型数据的处理很鸡肋!!
(对于本次讨论的地铁图结构来说,你会发现二百多个点,一个200*200数量极的大二维列表,每一行就几个有数,其他都是inf,对于数据处理没有卵用!!)
所有的线索都指向==》当当当当
- 邻接表(可以理解为字典形式,每一个顶点可以指到连接它的所有点)
# 基于邻接表定义图,继承图类,也可以直接写
class GraphAL(Graph):
def __init__(self,mat=[],unconn=0):
vnum=len(mat)
for x in mat:
if len(x)!=vnum:
raise ValueError("Argument for 'GraphAL'.")
self._mat=[Graph._out_edges(mat[i],unconn) for i in range(vnum)]
self._vnum=vnum
self._unconn=unconn
def add_vertex(self):#增加新节点时安排一个新编号
self._mat.append([])
self._vnum+=1
return self._vnum-1
def add_edge(self,vi,vj,val=1):
if self._vnum==0:
raise GraphError("cannot add edge to empty graph")
if self._invalid(vi) or self._invalid(vj):
raise GraphError(str(vi) + ' or ' + str(vj) + " is not a valid vertex.")
row=self._mat[vi]
i=0
while i<len(row):
if row[i][0]==vj:#更新mat[vi][vj]的值
self._mat