从图表中的节点计算所有可能的路径

如何解决从图表中的节点计算所有可能的路径

我需要一个建议，如何使用程序（以编程方式）计算从开始节点到结束节点的所有可能路径，我可以使用C＃，Python或Matlab，但是我不知道哪个更容易，更快速地进行编码和更少的工作量，我也不知道从哪里开始，我还需要自动绘制节点之间的边缘，然后再计算更多公式。 我有以下数据

Node Date         Data
A    2020-01-01   2.09
B    2020-01-05   0.89
C    2020-01-08   3.17
D    2020-01-08   1.15
E    2020-01-15   3.65

我要执行以下操作：

1. 创建从任何节点到另一个节点的路径（仅一种方式，从较低日期到较高日期），并且必须穿过路径中日期之间的所有节点，例如：

   1.1从（A）到（E） 应该提取以下路径：

   • A，B，C，E
   • A，B，D，E

   由于C和D的日期相同，所以我们有2条不同的路径。

2. 列表项

解决方法

使用Python {@ 3}}的Python groupby和产品

代码

#include<stdio.h>

int a;

int count2() {
    int b ;
    printf ("\n value of b2 variable for second time  is : %d ",b);   
  }

int count() {
    int b = 2;
    b++;
       
    printf ("\n value of b variable is : %d ",b);
    b = 99;
  }

int main() {
    printf ("value of a variable is : %d ",a);
    count();
    count2();
}

用法

示例1：字符串数据

from itertools import groupby,product

def all_paths(s):
    # Convert string to list of node triplets
    nodes = [n.strip().split() for n in s.split('\n')]
    
    # Skip header and sort by time 
    # (since time is padded,no need to convert to datetime object to sort)
    nodes = sorted(nodes[1:],key=lambda n: n[1])  # sorting by time which is second item in list (n[1])
    
    # Group nodes by time (i.e. list of list,with nodes with same time in same sublist)
    # Just keeping the node field of each item in sublist (i.e. node[0] is Node field)
    labels = [[node[0] for node in v] for k,v in groupby(nodes,lambda n:n[1])]
    
    # Path is the product of the labels (list of lists)
    return list(product(*labels))

示例2：文件data.txt中的数据

data = '''Node Date Data
A 2020-01-01 2.09
B 2020-01-05 0.89
C 2020-01-08 3.17
D 2020-01-08 1.15
E 2020-01-15 3.65'''

print(all_paths(data))

输出（两种情况）：

with open('data.txt','r') as fin:
    print(all_paths(fin.read()))

,

这将为每个路径生成一个节点链列表。它使用python列表和字典进行哈希处理-因此，如果要处理大型数据集，它将非常慢。如果是这种情况，请查看熊猫库（groupby）。相同的逻辑将起作用，但是您肯定会在nodes_by_date函数中节省时间。该库中可能还存在其他工具来生成所需的路径。

nodes = [('E',15,3.65),('A',1,2.09),('B',5,.89),('C',8,3.17),('D',1.15)]
#nodes = [('E',1.15),('F',16,100),('G',200),('H',17,1000)]

def all_paths(nodes):
    nbd = nodes_by_date(nodes)
    return get_chains(nbd,0)

def nodes_by_date(nodes):
    # sort by date (not sure what format your data is in,but might be easier to convert to a datenum/utc time)
    nodes = sorted(nodes,key=lambda x: x[1])
    # build a list of lists,each containing all of the nodes with a certain date
    # if your data is larger,look into the pandas library's groupby operation
    dates = {}
    for n in nodes:
        d = dates.get(n[1],[])
        d.append(n)
        dates[n[1]]=d
    return list(dates.values())

def get_chains(nbd,i):
    if i == len(nbd):
        return []
    # depth-first recursion so tails are only generated once
    tails = get_chains(nbd,i+1)
    chains = []
    for n in nbd[i]:
        if len(tails):
            for t in tails:
                newchain = [n]
                # only performant for smaller data
                newchain.extend(t)
                chains.append(newchain)
        # end of recursion
        else:
            chains.append([n])
    return chains