图的两种表示和接口

常读常新

这里多分析了三个点：
1. 两种表示方式在另一个维度的比较；
2. 一种复杂应用场景下的取舍办法；
3. 经典表示方法之外的黑科技。

众所周知，在经典的图论里，图的两种表示方式为：
1. 邻接矩阵；
2. 邻接表。

先回顾一下，图是由结点，以及结点之间的边构成的。结点一般编号为0，1，2，……，然后一条边由<u, v[，w]>来定义，其中的u和v都是某个结点的编号（如果有w的话，表示这条边的权重）。

图还分为有向图和无向图，其实本质上并没区别，可以说一切图都是有向图，而无向图只不过是每条有向边都存在一条反方向的边而已（两个结点可以直接互通，谓之无向，在这里，“方向”表示通行的限制）。

记号声明

1. E，表示整张图的边（edge）的数量；
2. V，表示整张图的顶点（vertex）的数量；
3. e，表示某个顶点相邻的边的数量。

优缺点分析

先po一张统一的图以便后续分析：

结点为：0, 1, 2
边为：<0, 1, 10>, <1, 2, 66>, <2, 0, 55>

这张图很明显是一个三角形。

邻接矩阵

顾名思义，这种方式是用一个N*N的矩阵来表示图，如果存在边

0   10  0
0   0   66
55  0   0

1. 优点：可以在常数时间内得到一条边的权重；
2. 缺点：占用内存多，特别是对于稀疏图来说；
3. 缺点：没法保证在O(e)时间内遍历某个结点的所有边。

稍微解释一下，对于1，因为矩阵可以随机存取元素，所以可以在常数时间内知道两个结点之间是否存在一条边。
对于2，很明显矩阵占用的内存是顶点的数量的平方，对于稀疏图来说，很浪费内存。
对于3，比如想遍历结点1的所有边（在这里只有1条），但没法只访问1次，而是必须得访问V（=3）次，才能得出所有与1相邻的边。

邻接表

用矩阵对于稀疏图来说ÿ