python中拓扑排序如何使用？

拓扑排序用于有向无环图，通过Kahn算法实现：先统计入度，将入度为0的节点入队，依次处理节点并更新邻居入度，最终得到线性序列；若结果包含所有节点则排序成功，否则存在环。

拓扑排序用于有向无环图（DAG），可以找出节点的线性顺序，使得对于每一条有向边 (u, v)，u 在排序中都出现在 v 的前面。Python 中可以通过 BFS（广度优先搜索）结合入度表来实现，常用于任务调度、依赖关系处理等场景。

拓扑排序的基本思路

使用 Kahn 算法进行拓扑排序：

统计每个节点的入度（有多少条边指向它）
将所有入度为 0 的节点加入队列
依次从队列中取出节点，将其邻居的入度减一
如果邻居入度变为 0，加入队列
记录取出节点的顺序，即为拓扑序

Python 实现示例

from collections import deque, defaultdict

def topological_sort(edges, n):

建图并统计入度

graph = defaultdict(list)
indegree = [0] * n

for u, v in edges:
    graph[u].append(v)
    indegree[v] += 1

# 找出入度为 0 的节点
queue = deque([i for i in range(n) if indegree[i] == 0])
result = []

while queue:
    node = queue.popleft()
    result.append(node)

    for neighbor in graph[node]:
        indegree[neighbor] -= 1
        if indegree[neighbor] == 0:
            queue.append(neighbor)

# 如果结果长度等于节点数，说明无环
if len(result) == n:
    return result
else:
    return []  # 存在环，无法拓扑排序

示例：4 个任务，边表示依赖关系

edges = [(0, 1), (0, 2), (1, 2), (2, 3)] n = 4 order = topological_sort(edges, n) print("拓扑排序结果:", order) # 输出: [0, 1, 2, 3]

常见用途和注意事项

拓扑排序适用于：

课程学习顺序（先修课）
编译任务执行顺序
包依赖安装

注意点：

图必须是有向无环图，否则无解
多个合法拓扑序可能同时存在，算法输出的是其中一种
节点编号建议从 0 开始连续，或使用字典映射处理非连续编号

基本上就这些，掌握建图、入度统计和队列处理就能应对大多数场景。

# python # node # app # edge

返回目录在线咨询

上一篇：在vue-cli脚手架中配置一个vue-router前端路由
下一篇：苏州网站制作：匠心打造，您的线*户首选

您的项目需求

*请认真填写需求信息，我们会在24小时内与您取得联系。