加权图的直径（Python，Networkx）

Question

我有一个相当大的networkx图（785个节点，11k+个边），表示2018年的citibike交通数据（here's a link to the data）。你知道吗

节点是站点ID。每条边有两个相关的权重-遍历频率（int）和平均行程持续时间（float）。你知道吗

我需要计算图表上的最长最短路径（即直径）。如果我不在乎体重，那么做起来就很简单了：

import networkx
G = {code to make graph}
diameter = nx.diameter(G)

但是，需要根据每个特征计算直径。即，我要根据频率计算直径，根据行程时间计算直径。理想情况下，可以做到以下几点：

nx.diameter(G, weight='feature_name')

……但这似乎不是直径函数的特征。你知道吗

我已经近似了一个解决方案，其中我计算了图的未加权外围，然后暴力计算了其中每个节点之间的最短路径。这是可行的解决方案吗？我的直觉告诉我没有

这是黑客代码：

def approx_weighted_diameter(a):
    g = trim_subs(a.copy())
    print('Calculating periphery of graph - takes a while (~2min).')
    peri = nx.periphery(g)
    stations = peri

    max_distances = dict()
    for s1 in tqdm(stations):
        distances = dict()
        for s2 in stations:
            if s1 != s2:
                try:
                    distances[s2] = nx.dijkstra_path_length(G,s1,s2,weight='dur')
                except:
                    print('Some error occurred.')
                    continue
        max_dist_node, max_dist = sorted(distances.items(), key=lambda x: x[1])[-1]
        max_distances[s1] = (max_dist_node, max_dist)

    #Longest path (approximated via brute force on unweighted periphery)
    start,(end,dist) = sorted(max_distances.items(), key=lambda x: x[1][1])[-1]
    return (start, end, dist)