Python Networkx:获取DAG中所有可能的路径

我试图根据连通性将有向无环图拆分为方向连通路径：

当我测试弱连通子图和强连通子图时，我得到以下结果：

Weak connectivity :
['16', '17'], ['3', '41', '39', '42']
Strong connectivity :
['17'], ['16'], ['39'], ['41'], ['3'], ['42']

我理解弱连通性的结果，但不理解强连通性的结果，正如我预期的3个子图：[16,17]，[42,39]和[3,41,39]

我在这里遗漏了什么，为什么是单节点列表？如何达到预期的效果

代码如下：

import networkx as nx
import matplotlib.pyplot as plt

G = nx.DiGraph()
G.add_edges_from([('16', '17'), ('3', '41'), ('41', '39'), ('42', '39')])

print("Weak connectivity : ")
for subgraph in (G.subgraph(c).copy() for c in nx.weakly_connected_components(G)) :
    print(subgraph.nodes)
print("Strong connectivity : ")
for subgraph in (G.subgraph(c).copy() for c in nx.strongly_connected_components(G)) :
    print(subgraph.nodes)

nx.draw_networkx(G, pos=nx.circular_layout(G))
plt.show()

---

根据强连通图的定义，得到的结果是正确的

定义：强连通图

---

有向图G=V，E称为强连通，如果V中的每个顶点V都可以从V中的每个其他顶点到达。

根据强连通图的定义，得到的结果是正确的

定义：强连通图

---

如果V中的每个顶点V都可以从V中的每个其他顶点到达，则有向图G=V，E称为强连通图。

缺少的是以下定义：

[有向图]是强连通、双连通或简单连通的 如果包含从u到v的有向路径和有向路径，则为strong 对于每对顶点u，v，从v到u。强有力的组成部分是 极大强连通子图

---

所示图的任何两个节点之间都没有强连接，更不用说列出的3节点子图了。确实，您可以遍历3->41->39，但是没有返回41的路径，更不用说3了。因此，该图不是强连接的。

您缺少的是以下定义：

[有向图]是强连通、双连通或简单连通的 如果包含从u到v的有向路径和有向路径，则为strong 对于每对顶点u，v，从v到u。强有力的组成部分是 极大强连通子图

---

所示图的任何两个节点之间都没有强连接，更不用说列出的3节点子图了。确实，您可以遍历3->41->39，但是没有返回41的路径，更不用说3了。因此，这张图没有很强的关联性。

因此，多亏了评论和回答，我意识到，对于我想要实现的目标，关联性是一个错误的线索。需要明确的是：我想在一个有向无环图中，得到所有起始节点到它们连接的结束节点之间的所有可能路径

因此，我最终编写了自己的解决方案，这很容易理解，但在性能或风格方面可能不是最好的pythonic/networkx。欢迎提出改进建议：

import networkx as nx
import matplotlib.pyplot as plt

G = nx.DiGraph()
G.add_edges_from([('16', '17'), ('3', '41'), ('41', '39'), ('42', '39')])

roots = []
leaves = []
for node in G.nodes :
  if G.in_degree(node) == 0 : # it's a root
    roots.append(node)
  elif G.out_degree(node) == 0 : # it's a leaf
    leaves.append(node)

for root in roots :
  for leaf in leaves :
    for path in nx.all_simple_paths(G, root, leaf) :
      print(path)

nx.draw_networkx(G, pos=nx.circular_layout(G))
plt.show()

---

如果networkx中有一个内置功能，那么我显然错过了它

，因此，多亏了评论和回答，我意识到连接对于我想要实现的目标来说是一个错误的引导。需要明确的是：我想在一个有向无环图中，得到所有起始节点到它们连接的结束节点之间的所有可能路径

因此，我最终编写了自己的解决方案，这很容易理解，但在性能或风格方面可能不是最好的pythonic/networkx。欢迎提出改进建议：

import networkx as nx
import matplotlib.pyplot as plt

G = nx.DiGraph()
G.add_edges_from([('16', '17'), ('3', '41'), ('41', '39'), ('42', '39')])

roots = []
leaves = []
for node in G.nodes :
  if G.in_degree(node) == 0 : # it's a root
    roots.append(node)
  elif G.out_degree(node) == 0 : # it's a leaf
    leaves.append(node)

for root in roots :
  for leaf in leaves :
    for path in nx.all_simple_paths(G, root, leaf) :
      print(path)

nx.draw_networkx(G, pos=nx.circular_layout(G))
plt.show()

---

如果networkx中有一个内置函数，我显然错过了它

强连接组件被定义为子图，这样就存在从任何节点到任何其他节点的路径。networkx给出的答案是正确的。也许你在寻找别的东西？那么[16，17]将是一个强连通子图，因为你可以从16中得到17，不是吗？或者你也需要从17中得到16吗？我想得到的是在这个图中得到所有可能的全定向路径，所以我从我的例子中得到[16,17]，[42,39]和[3,41,39]。[16,17]不是强定向的，因为从17到16没有路径。我现在意识到这与连接性无关，我对那些过于具体的案件下了决心。一旦我知道我真正想要的是什么，我就会编辑我的帖子，因为强连接组件被定义为一个子图，这样就存在从任何节点到任何其他节点的路径。networkx给出的答案是正确的。也许你在寻找别的东西？那么[16，17]将是一个强连通子图，因为你可以从16中得到17，不是吗？或者你也需要从17中得到16吗？我想得到的是在这个图中得到所有可能的全定向路径，所以我从我的例子中得到[16,17]，[42,39]和[3,41,39]。[16,17]不是强定向的，因为从17到16没有路径。我现在意识到这与连接性无关，我对那些过于具体的案件下了决心。一旦我知道我真正想要的是什么，我就会编辑我的帖子