Bellman-Ford算法

import pandas as pd
import matplotlib.pyplot as plt 
import networkx as nx
dfAdj=pd.DataFrame([[0,30,0,40,23,10],#0表示不邻接，
                    [30,0,13,20,0,23],
                    [0,13,0,10,20,0],
                    [40,20,10,0,10,23],
                    [23,0,20,10,0,33],
                    [10,23,0,23,33,0]])
G2=nx.from_pandas_adjacency(dfAdj)#由 pandas顶点邻接矩阵创建NetworkX 图
#计算最短路径：注意最短路径与最短加权路径的不同
#两个指定顶点之间的最短路径
minPath03=nx.shortest_path(G2,source=0,target=3)#顶点0到顶点3的最短路径
lMinPath03=nx.shortest_path_length(G2,source=0,target=3)#最短路径长度
print("顶点 0 到 3 的最短路径为：{}，最短路径长度为：{}".format(minPath03,lMinPath03))
#两个指定顶点之间的最短加权路径
minWPath03=nx.bellman_ford_path(G2,source=0,target=3)#顶点0到顶点3的最短加权路径
#两个指定顶点之间的最短加权路径的长度
lMinWPath03=nx.bellman_ford_path_length(G2,source=0,target=3)#最短加权路径长度
print("顶点 0 到 3 的最短加权路径为：{}，最短加权路径长度为：{}".format(minWPath03,lMinWPath03))
for i in range(1,6):
    minWPath0=nx.bellman_ford_path(G2,source=0,target=i)#顶点0到其它顶点的最短加权路径
    lMinPath0=nx.bellman_ford_path_length(G2,source=0,target=i)#最短加权路径长度
    print("城市 0 到 城市 {} 机票票价最低的路线为: {}，票价总和为：{}".format(i,minWPath0,lMinPath0))
nx.draw_shell(G2,with_labels=True,node_color='#ffc0cb',edge_color='b',font_color='w',width=2)
plt.show()