Python作為一門通用編程語言，具有很強的語法靈活性和豐富的第三方庫支持。在圖論領域，Python也有著豐富的工具支持，如NetworkX庫。其中，帶權圖是一種較為常見的圖論問題，下面我們就來介紹下Python中如何處理帶權圖。

# 導入NetworkX庫
import networkx as nx
# 創建一個空的有向帶權圖
DG = nx.DiGraph()
# 添加節點和邊
DG.add_node('A')
DG.add_node('B')
DG.add_edge('A', 'B', weight=0.5)
DG.add_edge('B', 'A', weight=1.0)
# 計算最短路徑長度
length, path = nx.single_source_dijkstra(DG, 'A', 'B', weight='weight')
print("最短路徑長度為：", length)
print("最短路徑為：", path)

上面的代碼展示了如何使用NetworkX創建帶權圖，并計算最短路徑長度和路徑。其中，nx.single_source_dijkstra()函數可以計算從源點到目標點的最短路徑，并返回路徑長度和路徑。

除了單源最短路徑，我們還可以計算帶權圖的其他一些屬性，如度中心性、介數中心性、PageRank等。以下是介數中心性的計算代碼示例：

# 計算介數中心性
betweenness = nx.betweenness_centrality(DG, weight='weight')
print("介數中心性：", betweenness)

以上介紹了Python處理帶權圖的一些基本操作和計算方法。在實際應用中，我們還可以根據需要調用其他函數和庫，進行各種復雜的分析和計算，以便更好地理解和利用帶權圖這種數據結構。