Dijkstra算法不支持负权边，结果错误且不报错；应改用Bellman-Ford或Johnson；手写时须用visited避免重复松弛；networkx调用需指定weight参数；优先使用heapq而非PriorityQueue；需提前检查节点存在性。
Python里用dijkstra前先确认图有没有负权边
直接说结论：dijkstra算法在Python中（比如用networkx.shortest_path或手写）不支持负权边，一旦有，结果大概率错，而且不会报错——它会安静地返回一个看似合理、实则错误的路径。
常见错误现象是：明明存在一条经过负权边的更短路径，但dijkstra返回的路径长度更大；或者不同起点反复运行，路径长度不满足三角不等式。
- 负权边存在时，改用
bellman_ford（networkx里有现成函数）或johnson - 检查图：遍历所有边，看
edge[2].get('weight', 1) < 0是否成立（假设用networkx.Graph或DiGraph） - 如果只是有负权环，
bellman_ford会抛出networkx.NetworkXUnbounded异常，这是唯一靠谱的提示
用heapq手写dijkstra时别漏掉“已访问”判断
很多人照着伪代码写，只维护一个优先队列，却忘了跳过已确定最短距离的节点，导致重复松弛、时间爆炸，甚至逻辑错误。
典型表现是：小图跑几秒不出结果，或者dist[v]被反复更新，最终dist数组值比预期大。
立即学习“Python免费学习笔记（深入）”；
- 必须用一个集合或布尔列表
visited记录哪些节点已出队并确定最短距 - 每次
heappop后先检查if node in visited: continue，再处理邻接点 -
heapq里存的是(dist[node], node)，但dist[node]可能已被更新过，所以不能仅靠堆顶值判断是否有效
networkx.dijkstra_path和dijkstra_path_length的权重字段名必须匹配
如果你的图边属性不是'weight'，比如存的是'cost'或'time'，直接调用会默认按1算权重，路径就变成BFS了。
使用场景：读取gml、graphml或手动加边时自定义了字段名。
- 显式传参：
networkx.dijkstra_path(G, src, dst, weight='cost') - 如果边没设
weight属性，默认值是1，不是报错——这点容易被忽略 - 用
G.edges(data=True)快速检查前几条边，确认字段名是否存在、类型是否为数值（字符串"5"会导致TypeError）
稀疏图用heapq，稠密图考虑queue.PriorityQueue？不，别换
有人听说PriorityQueue线程安全就以为它更适合，其实完全没必要。Python标准库的heapq是底层C实现，比PriorityQueue快得多，且PriorityQueue只是heapq的封装，还多了锁开销。
性能影响明显：10万节点、百万边的图，用PriorityQueue可能慢2–3倍；而真正瓶颈从来不在队列，而在邻接表遍历和字典查找。
- 坚持用
heapq，配合list模拟堆，别碰PriorityQueue - 邻接表用
defaultdict(list)或dict，别用nx.to_dict_of_dicts转两次——那会吃内存 - 如果真卡性能，优先检查是否重复建图、是否用了
nx.path_graph这类高开销构造函数
dijkstra会直接抛networkx.NodeNotFound或返回空路径，得提前if src not in G or dst not in G兜底。 
