我看到你已经能成功处理单个分解后的子图，生成正确的拓扑排序数据帧，但批量迭代时出了问题。咱们先定位代码里的错误，再给出修正方案：

问题定位 #

你的迭代代码里有一个明显的变量名错误：

• 在生成dfpart时，你用了ldply(topo, data.frame)，但这里应该用当前子图对应的拓扑排序结果topopart，而不是之前单个子图的topo变量。

另外还有两个可以优化的点：

• 用length(dg)代替clusters(g)$no来获取子图数量，更直接且不易出错
• 建议添加subgraph_id列，用来区分不同子图的拓扑排序结果，后续分析更清晰

修正后的代码 #

g <- graph.data.frame(Data, directed = TRUE)
dg <- decompose.graph(g)

Newdata <- do.call("rbind", lapply(seq_along(dg), function(x){
  dgpart <- dg[[x]]
  # 对当前子图做拓扑排序
  topopart <- topological.sort(dgpart, mode = "out")
  # 注意这里要用topopart而不是之前的topo
  dfpart <- ldply(topopart, data.frame)
  colnames(dfpart) <- c("id", "id_order")
  dfpart$activity_order <- seq.int(nrow(dfpart))
  # 添加子图标识列
  dfpart$subgraph_id <- x
  return(dfpart)
}))

预期输出示例 #

修正后的数据帧会包含子图标识，示例如下：

这样你就能一次性得到所有分解子图的拓扑排序数据帧，每个子图的排序都独立正确，还能通过subgraph_id区分不同子图的结果。

内容的提问来源于stack exchange，提问作者Ashish