Pandas：大对节点之间的最短路径长度

Question

我有一个数据框包含orgin_nodes和Distination_nodes，如下所示：

我需要通过应用下一个函数使用networkx库在这些节点之间计算short_path_length：

def short_path_length (node1,node2):
    return nx.shortest_path_length(G, node1, nod2,weight='length')

df['short_path_length']=np.vectorize(short_length_nodes)(df['Orgin_nodes'],df['Destination_nodes'])

其中G是从osmnx库派生的网络图：我将此代码应用于Dataframe的样本，结果如​​下：

当我将它应用于大约3000000行的原始数据帧时，需要更多时间吗？

有没有办法使运行速度更快？

UPDATE1：

我跟着@gboeing回答，我将networkx graph转换为igraph如下（https://github.com/gboeing/osmnx-examples/blob/master/notebooks/18-osmnx-to-igraph.ipynb）：

ox.config(use_cache=True, log_console=True)
weight = 'length'
G_nx = nx.relabel.convert_node_labels_to_integers(G)
# convert networkx graph to igraph
G_ig = ig.Graph(directed=True)
G_ig.add_vertices(list(G_nx.nodes()))
G_ig.add_edges(list(G_nx.edges()))
G_ig.vs['osmid'] = list(nx.get_node_attributes(G_nx, 'osmid').values())
G_ig.es[weight] = list(nx.get_edge_attributes(G_nx, weight).values())



def short_path_length(node1,node2):
        return G_ig.shortest_paths(source=node1,target=node2, weights=weight)[0][0]


df['short_path_length'] = df.apply(short_path_length(df['Orgin_nodes'],df['Destination_nodes']), axis=1)

我收到了这个错误：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<timed exec> in <module>()

<timed exec> in short_path_length(node1, node2)

ValueError: vertex IDs must be positive, got: -1 

导致此错误的原因是df['Orgin_nodes'],df['Destination_nodes']中的节点编号与G_ig顶点名称不匹配。我该怎么做才能解决它？

UPDATE2

我解决了上述问题通过创建数据框包含qazxsw poi及其对应的qazxsw poi值，并用G_nx.nodes替换OSMid和Orgin_nodes如下：

Destination_nodes

并应用df的以下函数样本来测量最短距离：

G_nx.nodes

虽然它运行没有错误，但与之前的试验相比需要更长的时间：

df_indices_osmid_Orgin=pd.DataFrame.from_dict({'Orgin_nodes':list(nx.get_node_attributes(G_nx, 'osmid').values()),'Indecise_Nodes_Orgin':list(G_nx.nodes())})
df=pd.merge(df,df_indices_osmid_Orgin,how='inner',on='Orgin_nodes')
df_indices_osmid_Dest=pd.DataFrame.from_dict({'Destination_nodes':list(nx.get_node_attributes(G_nx, 'osmid').values()),'Indecise_Nodes_Dest':list(G_nx.nodes())})
df=pd.merge(df,df_indices_osmid_Dest,how='inner',on='Destination_nodes')

壁挂时间：2.89秒

每回路2.88 s±66.3 ms（平均值±标准偏差，7次运行，每次1次循环）

sampl_df=df.head()
def short_path_length(row):
    return G_ig.shortest_paths(source=row['Indecise_Nodes_Orgin'], target=row['Indecise_Nodes_Dest'], weights=weight)[0][0]
sampl_df['short_path_length_1'] = sampl_df.apply(short_path_length, axis=1)

壁挂时间：1.24秒

每回路1.2 s±15.7 ms（平均值±标准偏差，7次运行，每次1次循环）

sampl_df=df.head()
%%time
    def short_path_length(row):
        return G_ig.shortest_paths(source=row['Indecise_Nodes_Orgin'], target=row['Indecise_Nodes_Dest'], weights=weight)[0][0]
sampl_df['short_path_length_1'] = sampl_df.apply(short_path_length, axis=1)

壁挂时间：1.2秒

每回路1.21 s±12 ms（平均值±标准偏差，7次运行，每次1次循环）

所以可以注意到，第三个是最好的，或者这不是用于识别哪个运行得更快的标度。

Answer 1

这是一个固有的非向量化问题，因为您传递节点标签并使用图形对象在算法上计算它们之间的最短路径。通过简化代码，您可能会获得较小的加速：

%%time
def short_path_length(row):
    return nx.shortest_path_length(G, row['Orgin_nodes'], row['Destination_nodes'], weight='length')
sampl_df['short_path_length_2'] = sampl_df.apply(short_path_length, axis=1)

为了更快的速度，将OSMnx图导出为igraph，以C语言快速计算最短路径，如

%%time
def short_path_length (node1,node2):
     return nx.shortest_path_length(G, node1, node2,weight='length')

sampl_df['short_path_length_intr3']=np.vectorize(short_path_length)(sampl_df['Orgin_nodes'],sampl_df['Destination_nodes'])

中的笔记本18所示。