Python graphlib.TopologicalSorter用法及代码示例

用法: class graphlib.TopologicalSorter(graph=None)

提供对可散列节点图进行拓扑排序的函数。

拓扑顺序是图中顶点的线性排序，使得对于从顶点 u 到顶点 v 的每个有向边 u -> v，顶点 u 在排序中位于顶点 v 之前。例如，图的顶点可能代表要执行的任务，而边可能代表一个任务必须在另一个任务之前执行的约束；在此示例中，拓扑排序只是任务的有效序列。当且仅当图没有有向环，即如果它是有向无环图时，完整的拓扑排序是可能的。

如果提供了可选的 graph 参数，则它必须是表示有向无环图的字典，其中键是节点，值是图中该节点的所有前导的可迭代(具有指向中值的边的节点)钥匙)。可以使用 add() 方法将其他节点添加到图形中。

在一般情况下，对给定图执行排序所需的步骤如下：

使用可选的初始图创建TopologicalSorter 的实例。
向图中添加其他节点。
在图表上调用prepare()。
当 is_active() 是 True 时，迭代 get_ready() 返回的节点并处理它们。完成处理后，在每个节点上调用 done()。

如果只需要立即对图中的节点进行排序并且不涉及并行性，则可以直接使用便捷方法TopologicalSorter.static_order()：

>>> graph = {"D": {"B", "C"}, "C": {"A"}, "B": {"A"}}
>>> ts = TopologicalSorter(graph)
>>> tuple(ts.static_order())
('A', 'C', 'B', 'D')

该类旨在轻松支持节点准备就绪时的并行处理。例如：

topological_sorter = TopologicalSorter()

# Add nodes to 'topological_sorter'...

topological_sorter.prepare()
while topological_sorter.is_active():
    for node in topological_sorter.get_ready():
        # Worker threads or processes take nodes to work on off the
        # 'task_queue' queue.
        task_queue.put(node)

    # When the work for a node is done, workers put the node in
    # 'finalized_tasks_queue' so we can get more nodes to work on.
    # The definition of 'is_active()' guarantees that, at this point, at
    # least one node has been placed on 'task_queue' that hasn't yet
    # been passed to 'done()', so this blocking 'get()' must (eventually)
    # succeed.  After calling 'done()', we loop back to call 'get_ready()'
    # again, so put newly freed nodes on 'task_queue' as soon as
    # logically possible.
    node = finalized_tasks_queue.get()
    topological_sorter.done(node)

3.9 版中的新函数。

相关用法

注：本文由纯净天空筛选整理自python.org大神的英文原创作品 graphlib.TopologicalSorter。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。