Python 3.x Networkx获得多个深度

我有一个csv文件，其中包括多个定向丙烯酸图形。我正在尝试使用networkx获取每个图形的深度。但我不知道是否是我把所有的图形作为一个导入的问题。如何导入多个DAG并计算每个连接图形的最长路径

我的csv文件有两列：源节点和目标节点。 格式是这样的,； 源目标 1

源目标

source     target
 1           2
 1           3
 1           4
 4           5
 8           9
 9          10

这有两个DAG：一个是1到2、1到3、1到4和4到5。第二张图是8到9到10。我想计算每个图的最长深度和最长宽度

我的代码只能生成一个在所有图形中深度最长的结果。但我想让它显示所有具有最长深度的独立图形

我的代码如下：

import networkx as nx
import pandas as pd

df = pd.read_csv("importfile.csv")
g= nx.from_pandas_edgelist(df, source='source', target = ‘target’, creat_using = nx.DiGraph())
longes_depth = nx.algorithms.dag.dag_longest_path_length(g)
print(longest_depth)

---

您可以首先在

g

中计算连接的组件，然后迭代组件，在其组成节点上生成子图，并计算每个子图的路径长度

longest_depths = []
for component in nx.connected_components(g):
    subgraph = nx.subgraph(g, component)
    longest_depths.append(nx.algorithms.dag.dag_longest_path_length(subgraph))

---

谢谢你，保罗，我认为这个想法对我来说是有意义的，但我试过了，它给了我一个错误。问题是，算法connected_components（）只能应用于无向图，而我的是有向图，这表明“没有针对有向类型实现”。我还在努力。谢谢在定义组件时，您可能不关心方向性。因此，您可以简单地调用

nx.connected_组件（g.to_undirected（））

而不是我上面的答案中的

nx.connected_组件（g）

。谢谢您，保罗！我真的很感激！乐意效劳，随时效劳。