图遍历的python实现

目录

代码详解

广度优先搜索（BFS）

深度优先搜索（DFS）

完整代码

 

---

首先，必须要记录的就是，这都是再图结构以及建构好的前提下进行的，直接将graph作为输入来进行搜索的。

代码详解

利用队列，构造一种从起始节点开始，由近到远的一种访问，

广度优先搜索（BFS）

下面定义一个bfs的类，图作为一个参数，先初始化一个访问一个队列search_queue，往队列里面push图点，只要队列不为空，就继续操作，将队列里面的值逐一的给取出进行访问，然后，添加到一个已经访问的节点中去。接下来做的就是（最底下的那个for循环）将节点的连接图全部添加进去，这样就能实现先访问它，再访问它邻居，再访问它邻居的邻居。由近到远的访问。

def bfs(graph, start):
    search_queue = Queue()
    search_queue.push(start)
    searched = set()
    while search_queue:   # 队列不为空就继续
        cur_node = search_queue.pop()
        if cur_node not in searched:
            print(cur_node)
            searched.add(cur_node)
            for node in graph[cur_node]:
                search_queue.push(node)

深度优先搜索（DFS）

如果访问一个节点，如果没有访问过，就直接去访问它的邻居，而不是放到队列里面，是不断加深的。用递归来实现。

先定义一个全局变量DFS_SEARCHED,作为记录访问过的节点。那么开始从第一个节点开始，开始不断递归来访问每访问过的点。

DFS_SEARCHED = set()

def dfs(graph, start):
    if start not in DFS_SEARCHED:
        print(start)
        DFS_SEARCHED.add(start)
    for node in graph[start]:
        if node not in DFS_SEARCHED:
            dfs(graph, node)

 

完整代码

# -*- coding: utf-8 -*-

from collections import deque


GRAPH = {
    'A': ['B', 'F'],
    'B': ['C', 'I', 'G'],
    'C': ['B', 'I', 'D'],
    'D': ['C', 'I', 'G', 'H', 'E'],
    'E': ['D', 'H', 'F'],
    'F': ['A', 'G', 'E'],
    'G': ['B', 'F', 'H', 'D'],
    'H': ['G', 'D', 'E'],
    'I': ['B', 'C', 'D'],
}


class Queue(object):
    def __init__(self):
        self._deque = deque()

    def push(self, value):
        return self._deque.append(value)

    def pop(self):
        return self._deque.popleft()

    def __len__(self):
        return len(self._deque)


def bfs(graph, start):
    search_queue = Queue()
    search_queue.push(start)
    searched = set()
    while search_queue:   # 队列不为空就继续
        cur_node = search_queue.pop()
        if cur_node not in searched:
            print(cur_node)
            searched.add(cur_node)
            for node in graph[cur_node]:
                search_queue.push(node)


print('bfs:')
bfs(GRAPH, 'A')


DFS_SEARCHED = set()


def dfs(graph, start):
    if start not in DFS_SEARCHED:
        print(start)
        DFS_SEARCHED.add(start)
    for node in graph[start]:
        if node not in DFS_SEARCHED:
            dfs(graph, node)


print('dfs:')
dfs(GRAPH, 'A')


class Stack(object):
    def __init__(self):
        self._deque = deque()

    def push(self, value):
        return self._deque.append(value)

    def pop(self):
        return self._deque.pop()

    def __len__(self):
        return len(self._deque)


def dfs_use_stack(graph, start):
    stack = Stack()
    stack.push(start)
    searched = set()
    while stack:
        cur_node = stack.pop()
        if cur_node not in searched:
            print(cur_node)
            searched.add(cur_node)
            # 请读者思考这里我为啥加了 reversed，其实不加上是可以的，你看下代码输出
            for node in reversed(graph[cur_node]):
                stack.push(node)


print('dfs_use_stack:')
dfs_use_stack(GRAPH, 'A')