怎么生成地铁网络邻接矩阵

需要收集信息、构建模型、生成矩阵。
1、收集信息：需要收集有关您所在地区的地铁线路、站点和票价等信息。这可以通过当地的政府或交通管理部门获取。
2、构建模型：需要构建一个地铁网络模型，该模型可以包括所有已知的地铁线路和站点。然后，您需要将模型中的变量调整为地铁线路的属性，例如车站名、路径等。
3、运行测试：需要将构建好的地铁网络模型进行测试，以确保它是有效的。您可以在测试环境中运行测试，以确保它是有效的。

不放回取样：
从列表ori中不放回地取n个数

通过这种 *** 作，我们可以获得一个二维列表的子集：
（如果这个二维列表是图的邻接矩阵，那么就是对图进行随机采样，获得一个图的子图）

首先要注意，"+" *** 作对于list和numpyarray是完全不同的
python 中的list，"+"代表拼接:

在numpyarray中，"+"代表矩阵相加

keepdim指的是维度不变，常在sum中使用。如：

会发现，keepdim之后还是二维的

这里要注意，pytorch和numpy里max()函数的返回值是不同的
pytorch:

也就是说，max(1)代表求第一维的最大值，对于二维数组来说，就是求纵向的最大值，然后，第一个返回值是最大值所形成数组，第二个返回值是最大值所在的索引。这一个技巧在机器学习的分类任务中很常用，比如我们的分类任务是把数据分成m类，那么最终我们模型的输出是m维的，对于n个样本就是nm，如果要判断我们的模型最终的分类结果，就是找n个样本里，每个样本m维输出的最大值索引，代表样本是这个类的可能性最大。我们可以方便地用这种方式找到最大值地索引：

其中test_out是模型输出，predict_y则是分类结果
另外一点要注意的是，numpy与pytorch不同，numpy的max()只有一个返回值：

也就是说，numpymax()不会返回最大值所在的索引

python36代码：

cnt=0

whileTrue:

print("请输入分数：")

i=input()

if(noti):

print("输入有误！")

print("学生人数："+str(cnt))

int i;

min = max = score[0];

avg = 0;

for(i=0; i<n; i++)

baiavg += score[i];

if(score[i] > max) 

规范的代码：

Python采用强制缩进的方式使得代码具有较好可读性。而Python语言写的程序不需要编译成二进制代码。Python的作者设计限制性很强的语法，使得不好的编程习惯（例如if语句的下一行不向右缩进）都不能通过编译。其中很重要的一项就是Python的缩进规则。

一个和其他大多数语言（如C）的区别就是，一个模块的界限，完全是由每行的首字符在这一行的位置来决定（而C语言是用一对花括号{}来明确的定出模块的边界，与字符的位置毫无关系）。

图结构（Graph）——算法学中最强大的框架之一。树结构只是图的一种特殊情况。

如果我们可将自己的工作诠释成一个图问题的话，那么该问题至少已经接近解决方案了。而我们我们的问题实例可以用树结构（tree）来诠释，那么我们基本上已经拥有了一个真正有效的解决方案了。

邻接表及加权邻接字典

对于图结构的实现来说，最直观的方式之一就是使用邻接列表。基本上就是针对每个节点设置一个邻接列表。下面我们来实现一个最简单的：假设我们现有 n 个节点，编号分别为 0, …, n-1

节点当然可以是任何对象，可被赋予任何标签或名称。但使用 0, …, n-1 区间内的整数来实现的话，会简单许多。因为如果我们能用数字来代表节点，我们索引起来显然要方便许多。

然后，每个邻接（邻居）列表都只是一个数字列表，我们可以将它们编入一个大小为 n 的主列表，并用节点编号对其进行索引。由于这些列表内的节点的顺序是任意的，所以，实际上，我们是使用列表来实现邻接集（adjacency sets）。这里之所以还是使用列表这个术语，主要是因为传统。幸运的是，Python 本身就提供独立的 set 类型。

我们以下图为例，说明图结构的各种表示方法（当我们在执行与图相关的工作时，需要反复遵从一个主题思想，即一个图的最佳表示方法应该取决于我们要用它来做什么）：

 

a, b, c, d, e, f, g, h = range(8)N = [    {b, c, d, e, f},    {c, e},    {d},    {e},    {f},    {c, g, h},    {f, h},    {f, g}]1234567891011

在图论中，N(v) 代表的是 v 的邻居节点集；

>>> b in N[a]                 # neighborhood membershipTrue>>> len(N[f])                 # out-degree：出度31234

加权邻接字典

使用 dict 类型来代替 set 或 list 来表示邻接集。在 dict 类型中，每个邻居节点都会有一个键和一个额外的值，用于表示与其邻居节点（或出边）之间的关联性，如边的权重。

a, b, c, d, e, f, g, h = range(8)
N = [
{b:2, c:1, d:3, e:9, f:4},
{c:4, e:4},
{d:8},
{e:7},
{f:5},
{c:2, g:2, h:2},
{f:1, h:6},
{f:9, g:8}
]123456789101112

客户端调用：

>>> b in N[a]                  # neighborhood membership
True
>>> len(N[f])                  # out-degree
3
>>> N[a][b]                    # Edge weight for (a, b)
2123456

邻接矩阵

邻接矩阵是图的另一种表示方法，这种表示方法的主要不同在于，它不再列出每个节点的所有邻居节点。

a, b, c, d, e, f, g, h = range(8)
N =[
[0, 1, 1, 1, 1, 1, 0, 0],
[0, 0, 1, 0, 1, 0, 0, 0],
[0, 0, 0, 1, 0, 0, 0, 0],
[0, 0, 0, 0, 1, 0, 0, 0],
[0, 0, 0, 0, 0, 1, 0, 0],
[0, 0, 1, 0, 0, 0, 1, 1],
[0, 0, 0, 0, 0, 1, 0, 1],
[0, 0, 0, 0, 0, 1, 1, 0],
]12345678910111213

关于邻接矩阵：

（1）主对角线为自己到自己，为0

（2）行和为出度

（3）列和为入度

你给出的是一个有向图的邻接矩阵，判断一个有向图中是否存在点A到点B的路径的通常做法是从点A出发对整个图进行深度优先搜索（DFS），检查点B是否能被搜索到，若能则A和B之间存在可达路径，否则不存在。
图的深度优先搜索属于图论的基础知识，若不了解需要先学习图论。

1、使用split(',')函数，将字符串以逗号','分隔，并转成整型数列表

再遍历该列表，判断每个数是否能被3整除即可。python代码如下：

a = '38,72,95,21,6,41,67,8,13'

l = [ int(x) for x in asplit(',') ] # 以逗号分隔字符串，并生成整型数列表

for i in l:

  if i % 3 == 0:

      print(i, end=' ') # 输出能被3整除的数，以空格分隔

运行结果如下：

可见成功找出了a中能被3整除的数：72、21和6

2、同样使用split()函数将输入字符串input()以空格分隔，并返回字符串列表

再按格式要求分别输出列表元素即可。python代码如下：

# -- coding: utf-8 --

# 有中文，使用utf-8编码

l = input()split()

print('您输入的国名是%s' % l[0], end='') # 先输出第一个国名

for s in l[1:-1]:

  print('、%s' % s, end='') # 除首尾国名外中间国名输出顿号

print('和%s。' % l[-1]) # 最后一个国名输出句号

运行结果如下：

输出符合示例，望采纳~

# -- coding: cp936 --
def FourColorLabel(GuanXiJuZheng):
    Num=len(GuanXiJuZheng)
    Color=[-1 for i in range(Num)]
    n=m=1
    #染色第一个区域，先设置为1
    while m<=Num:
        while n<=4 and m<=Num:
            flag=True
            for k in range(m-1):
                if GuanXiJuZheng[m-1][k]==1 and Color[k]==n:
                    flag=False    #染色有冲突
                    n+=1
                    break    
            if flag:
                Color[m-1]=n;
                m+=1
                n=1
        if n>4:                 # 超出标记范围 必须回退
            m-=1
            n=Color[m-1]+1
    return Color
GuanXiJuZheng=[
                [0,1,0,0,0,0,1],
                [1,0,1,1,1,1,1],
                [0,1,0,1,0,0,0],
                [0,1,1,0,1,0,0],
                [0,1,0,1,0,1,0],
                [0,1,0,0,1,0,1],
                [1,1,0,0,0,1,0]
             ]
for i in FourColorLabel(GuanXiJuZheng):
    print i

---