（python）图算法：拓扑排序算法+kruskal算法+prim算法+Dijkstra算法实现

补充图的几个算法：拓扑排序算法 、kruskal算法、prim算法和Dijkstra算法实现。

一.拓扑排序算法

拓扑排序算法适用于无环的、有入度为0的图。
再说一下该算法的一个应用场景，在实现工程代码时，各个代码文件之间存在依赖关系，所以需要进行编译顺序排序。此时就可以使用拓扑排序算法实现编译顺序确定。

方法：
找到入度为0的点，然后记入result，随后擦除该点的影响（点和边），然后继续找到入度为0的点记入result，周而复始。

代码：
为方便起见，使用了我的上一篇博客中构建的图：（python）数据结构图的描述实现+其他描述方式的转换示例。
示例的图如下：
示例图的拓扑排序应为1 2 3。

def TopologySorted(graph):
    '''
    拓扑排序实现
    :param graph:
    :return:
    '''
    Indegree = {
   } #入度字典
    ZeroIndegree = [] #入度为0的点集
    result = [] #结果列表
    for node in graph.nodes.values():
        Indegree[node] = node.indegree
        if node.indegree==0:ZeroIndegree.append(node)
    #拓扑排序，添加result
    while len(ZeroIndegree)!=0:
        node = ZeroIndegree.pop(0) #先进先出
        result.append(node)
        for i_n in node.nexts:
            Indegree[i_n] -= 1 #擦除对直接邻居的影响，入度-1
            if Indegree[i_n]==0:ZeroIndegree.append(i_n)
    return result

for i in TopologySorted(graph):
    print(i.value,end=' ') #output: 1 2 3

二.kruskal算法

kruskal算法适用于无向图，用于生成最小生成树。

方法：
从边的角度出发，在不形成环的前提下依次选择最小边。

代码中实现环的判断的方法：
最开始所有点各自成独立的集合，随着对边的考虑，一条边的起点和终点集合将进行合并，最后是否形成环的判定标准就是看某个点是否在某个集合中——也就是并查集结构（做查询和合并速度为常数）。

代码：
注意，以下代码实现了一种类似并查集的结构，但是没有并查集快。代码是我按照左神和k算法思路实现的，肯定还有更加优雅的方式~~btw我还是想记录自己的代码哈哈。
假设示例图为：

示例图的最小生成树应为：

使用前面链接中的方法创建图：

#创建图
graph_test = [[1,2,5], #表示从1到2的边，权重为5
              [2,1,5], #表示从2到1的边，权重为5
              [2,3,7], #表示从2到3的边，权重为7
              [3,2,7], #表示从3到2的边，权重为7
              [1,3,4], #表示从1到3的边，权重为4
              [3,1,4]] #表示从3到1的边，权重为4
graph = CreateGraph(graph_test)

K算法：

class MineDSU(object):
    '''
    实现并查集的功能（非并查集）
    '''
    def __init__(self,nodes:Node):
        self.total = [] #集合列表
        for node in nodes.values(): #每个点各自成独立的集合
            self.total.append(set([node]))
    def isSame(self,fromnode:Node,tonode:Node)->bool:
        '''
        判断fromnode和tonode是否是同一个集合
        :param fromnode:
        :param tonode:
        :return: