基于有向图边属性edge_id构建新图的更简便方法咨询

嘿，我注意到你现在通过找起始节点、遍历最短路径的方式来生成以edge_id为节点的新图，确实能实现需求，但其实有更通用、更直接的方法——毕竟如果原图结构更复杂（比如有多个独立路径分支、多终点），原来的方法可能会失效。

本质上我们要做的逻辑很清晰：把原有向图G中的每条边（用edge_id唯一标识）作为新图H的节点；当原G中边e1的终点是另一条边e2的起点时，就在新图H里给这两个edge_id之间连一条有向边。

下面是简化后的通用实现代码：

import networkx as nx
import matplotlib.pyplot as plt

edges = [("A","D", {"edge_id":1}),
         ("B","D", {"edge_id":2}),
         ("D", "G", {"edge_id":3}),
         ("C", "F", {"edge_id":4}),
         ("E", "F", {"edge_id":5}),
         ("F", "G", {"edge_id":6}),
         ("G", "I", {"edge_id":7}),
         ("H", "I", {"edge_id":8}),
         ("I", "J", {"edge_id":9}),
         ]

# 构建原有向图G
G = nx.DiGraph()
G.add_edges_from(edges)

# 生成以edge_id为节点的新图H（核心逻辑）
H = nx.DiGraph()
# 先把所有edge_id作为节点加入新图
edge_id_map = {(u, v): attr["edge_id"] for u, v, attr in G.edges(data=True)}
H.add_nodes_from(edge_id_map.values())

# 遍历每条原边，找到所有衔接的后续边，在新图中连边
for u, v, attr in G.edges(data=True):
    current_edge_id = attr["edge_id"]
    # 找所有以当前边终点v为起点的后续边
    for succ_u, succ_v, succ_attr in G.edges(v, data=True):
        succ_edge_id = succ_attr["edge_id"]
        H.add_edge(current_edge_id, succ_edge_id)

# 可视化部分
fig, ax = plt.subplots(nrows=1, ncols=2, figsize=(10,5))
pos = nx.spring_layout(G)
nx.draw(G, with_labels=True, pos=pos, ax=ax[0])
ax[0].set_title("原有的向图G")

nx.draw(H, with_labels=True, pos=nx.spring_layout(H), ax=ax[1])
ax[1].set_title("以edge_id为节点的新图H")

plt.show()

这个方法的优势 #

1. 通用性更强：不管原图有多少个起始节点、终点，甚至有环结构，都能正确生成新图，完全不需要依赖“找入度/出度为0的节点”“遍历最短路径”这类场景受限的逻辑；
2. 逻辑更直接：完全贴合需求本质——直接基于原边的衔接关系构建新图，没有冗余步骤；
3. 效率更高：省去了路径遍历的开销，直接通过原边的邻接关系完成新图构建。

最终的可视化效果和你之前的结果一致：

• 左侧子图是原有的向图G，节点为A-J的字母，边对应各个带edge_id的连接关系；
• 右侧子图是转换后的新图H，节点为1-9的edge_id值，边对应原边的衔接逻辑（比如原边1的终点是D，原边3的起点是D，所以H中1→3，以此类推）。

备注：内容来源于stack exchange，提问作者Bera