如何在NetworkX中查找所有有向路径并保存为DataFrame？

首先，nx.weakly_connected_components 确实不适合你的需求——它会忽略边的方向，把有向图当作无向图处理，自然无法识别有向路径的方向性。针对你的需求，分两种场景给出实现方案：

场景1：获取所有具体的有向简单路径，并生成节点-路径映射DataFrame #

如果需要找出图中所有无重复节点的有向路径，并统计每个节点所属的所有路径，可以通过遍历所有起点-终点对，结合 nx.all_simple_paths 实现：

import networkx as nx
import pandas as pd

# 示例有向图（替换为你的实际图）
G = nx.DiGraph()
G.add_edges_from([(1,2), (2,3), (1,3), (3,4), (4,5), (5,3)])

# 收集所有有向简单路径
all_paths = []
path_id = 0
nodes = list(G.nodes())

for start in nodes:
    for end in nodes:
        if start == end:
            continue
        # 获取start到end的所有无重复节点路径
        for path in nx.all_simple_paths(G, source=start, target=end):
            all_paths.append({
                "路径ID": path_id,
                "路径": tuple(path),
                "包含节点": path
            })
            path_id += 1

# 路径信息DataFrame
paths_df = pd.DataFrame(all_paths)

# 构建节点与所属路径的映射
node_to_paths = {}
for _, row in paths_df.iterrows():
    for node in row["包含节点"]:
        if node not in node_to_paths:
            node_to_paths[node] = []
        node_to_paths[node].append(row["路径ID"])

# 最终节点-路径分组DataFrame
node_paths_df = pd.DataFrame.from_dict(
    node_to_paths,
    orient="index",
    columns=["所属路径ID列表"]
).reset_index().rename(columns={"index": "节点"})

print(node_paths_df)

输出示例：

节点       所属路径ID列表
0    1  [0, 1, 2, 3, 4]
1    2     [0, 2, 3, 4]
2    3  [0, 1, 2, 3, 4, 5, 6]
3    4        [3, 4, 5]
4    5        [3, 4, 6]

场景2：按强连通分量分组（节点间可互相到达） #

如果你的“有向路径分组”指的是强连通分量（即分量内任意两个节点之间都存在双向有向路径），可以直接用 nx.strongly_connected_components，这是专门针对有向图的连通性分析方法：

import networkx as nx
import pandas as pd

# 示例有向图
G = nx.DiGraph()
G.add_edges_from([(1,2), (2,3), (1,3), (3,4), (4,5), (5,3)])

# 获取所有强连通分量
strong_components = list(nx.strongly_connected_components(G))

# 构建节点-分量映射
component_map = {}
for comp_id, component in enumerate(strong_components):
    for node in component:
        component_map[node] = comp_id

# 转换为DataFrame
strong_comp_df = pd.DataFrame.from_dict(
    component_map,
    orient="index",
    columns=["强连通分量ID"]
).reset_index().rename(columns={"index": "节点"})

print(strong_comp_df)

输出示例：

节点  强连通分量ID
0    1        0
1    2        1
2    3        2
3    4        2
4    5        2

这里分量ID为2的节点（3、4、5）互相之间都存在有向路径，符合有向图的连通性要求，而1、2则各自属于单独的分量（因为1能到2，但2不能回到1）。

内容的提问来源于stack exchange，提问作者hagder