用DiGraph创建带属性的有向图需显式传入属性字典：建图时设graph_attr或G.graph['name']='user_flow'；加边用G.add_edge(u,v,weight=0.8,action='click')；加点用G.add_node('A',type='gateway',status='active')；weight必须为数值型。
怎么用 DiGraph 创建带属性的有向图
NetworkX 默认的 DiGraph 是空壳，直接加边不报错但没法存权重、标签、方向语义之外的业务信息。比如你想标记某条边是“用户点击”还是“页面跳转”，或者某个节点代表“登录态失效”的异常状态，必须显式传入属性字典。
- 创建图时别只写
nx.DiGraph()，加个graph_attr或后续用G.graph['name'] = 'user_flow'记上下文 - 加边优先用
G.add_edge(u, v, weight=0.8, action='click')，别等建完图再循环设属性——后者容易漏、难调试 - 节点属性同理：
G.add_node('A', type='gateway', status='active')，避免后期靠名字字符串做类型判断 - 注意：
weight必须是数值型，否则像nx.shortest_path这类函数会静默忽略或抛TypeError: '
为什么 add_edges_from 批量加边后 edges(data=True) 拿不到自定义属性
常见错误是把属性字典塞进边元组末尾，比如 G.add_edges_from([('A','B',{'weight':1}), ('B','C',{'label':'timeout'})]) —— 这样属性确实能存进去，但调用 G.edges(data=True) 时返回的是 ('A', 'B', {'weight': 1})，看着对，实际用 nx.dijkstra_path_length(G, 'A', 'C') 却报错说没 weight 键。原因是 NetworkX 要求权重字段名必须叫 'weight'，且该键值必须为数字，而你传的字典里可能混了字符串值，或字段名拼错了（比如写成 'Weight'）。
- 批量加边时统一用关键字参数：
G.add_weighted_edges_from([('A','B',0.9), ('B','C',0.2)])，它自动设weight键且强转 float - 如果必须带多属性，用
G.add_edges_from([('A','B'), ('B','C')], action='redirect', category='ui')，但别指望这些参与路径计算 - 验证属性是否生效：打印
list(G.edges(data=True))[:2]，确认每个三元组第三个元素里真有'weight': xxx且值是数字
topological_sort 报 NetworkXUnfeasible 怎么快速定位环
有向图做拓扑排序失败，说明存在环，但 NetworkX 不告诉你哪几个节点卷在一起。直接上 nx.find_cycle(G, orientation='original') 最省事，它返回一个边列表，按顺序连起来就是最小环。
- 先确认图确实是纯有向的：
nx.is_directed_acyclic_graph(G)返回False才值得查环 -
nx.find_cycle(G)默认从任意节点开始搜，若想聚焦某模块，指定起点：nx.find_cycle(G, source='payment_service', orientation='original') - 返回结果形如
[('A', 'B'), ('B', 'C'), ('C', 'A')]，注意这是有向边序列，不是节点列表；要提取节点闭环得自己去重并按序排 - 小心：如果图含自环（
G.add_edge('X','X')），find_cycle会直接返回[('X','X')]，这种最容易漏看
节点分析时 in_degree 和 out_degree 返回值类型容易踩坑
这两个方法返回的是 DiDegreeView 对象，不是 dict 或 list。直接 print 看着像字典，但不能用 .keys()、不能用 for n, d in deg: 解包——会报 ValueError: too many values to unpack。
立即学习“Python免费学习笔记（深入）”；
- 要转成字典用：
dict(G.in_degree())或dict(G.out_degree(weight='weight')) - 想筛出入度为 0 的源节点？别写
[n for n, d in G.in_degree() if d == 0]，得写[n for n, d in G.in_degree()]先转，或更高效地用list(nx.weakly_connected_components(G))辅助判断连通性 - 带权重的度数计算：传
weight='cost'前确保所有相关边真有'cost'键，否则缺失边会被当 1 处理，导致总和失真 - 性能提示：对大图（>10k 节点），别频繁调
G.in_degree()，缓存结果，因为每次调都遍历全边
复杂点在于属性名、数据类型、返回对象这三者的隐式约定太多，错一个就静默失效或报错位置离实际问题很远。最稳妥的方式是每设一个属性，立刻用 list(G.edges(data=True)) 或 dict(G.nodes(data=True)) 抽样验证两行。
