拓扑排序用 deque 而非 list.pop(0) 因其为 BFS 模拟，需 O(1) 队首弹出；建图方向为先修课→后续课；环通过拓扑序列长度是否等于 n 判断。
拓扑排序用 collections.deque 而不是 list.pop(0)
因为课程安排问题本质是 BFS 模拟，要频繁从队首取节点（入度为 0 的课程），list.pop(0) 是 O(n) 操作，会把整体复杂度拖到 O(V²)，而 deque.popleft() 是 O(1)。
常见错误现象：Time Limit Exceeded 在大规模课程数（比如 10⁵）时突然出现，但小样例全过——大概率是用了 list 模拟队列。
- 初始化队列必须只放入度为 0 的节点，不能漏（比如没有前置课的课程）
- 每次从队列取出一个节点后，要遍历它所有邻接节点（即它作为先修课的后续课程），对每个邻接节点入度减 1
- 入度减到 0 的邻接节点才进队，不能提前塞进去
graph 建图用字典还是列表？看课程编号是否连续
如果课程编号是 0 到 n-1 的整数，直接用 graph = [[] for _ in range(n)]；如果编号稀疏（比如 [1, 3, 7, 100]），就用 defaultdict(list) 或普通 dict。
性能影响：用列表建图快、内存紧凑；用字典更灵活但有哈希开销。课程安排题一般编号连续，别绕弯子。
立即学习“Python免费学习笔记（深入）”；
- 建图时别把边方向搞反——
[a, b]表示 “a 是 b 的先修课”，所以应加边a → b，即graph[a].append(b) - 入度数组长度必须和节点总数一致，否则下标越界。用
indeg = [0] * n最稳妥
怎么判断有没有环？靠拓扑序列长度
拓扑排序本身不显式检测环，而是通过最终结果长度来判断：如果输出的排序长度 != n，说明有节点始终无法入队（入度一直 > 0），即存在环。
错误写法：单独写 DFS 判环再跑拓扑——多一遍遍历，没必要；Kahn 算法天然带环检测能力。
- 不要在循环里提前
return False，等队列空了再比长度 - 注意题目是否要求返回具体环（比如输出冲突课程），这时标准 Kahn 不够，得换 DFS + 状态数组
- 有些题输入含自环（
[x, x]），建图时就要过滤，否则indeg[x]先加 1 再减 1，看似归零实则漏判
Python 实现里最容易错的三个细节
不是语法错，是语义和边界逻辑错——90% 的 WA 都出在这儿。
- 输入
prerequisites为空时，n可能大于 0，此时所有课程都无依赖，结果必须是list(range(n))，不能直接返回空列表 -
indeg数组初始化后，必须对每个prerequisites中的b执行indeg[b] += 1，漏掉任何一条边都会导致错误入度 - 队列初始装入节点时，要用
for i in range(n): if indeg[i] == 0: q.append(i)，不能只遍历prerequisites里出现过的节点——没出现在边里的节点（孤立课程）也得进队
环检测和入度更新是绑在一起的动作，拆开会出事。写完别急着交，拿 n=2, prerequisites=[[1,0],[0,1]] 这种最小环测一下。
