算法学习-图实现基础

概念介绍

本博客在学习北京大学陈斌老师《数据结构与算法》MOOC课程中总结反思形成。

图的概念据我了解是一种比较容易让人看不懂的概念，在之前调研调研神经网络的发展史时，曾经了解过图卷积神经网络，可以说是目前比较先进的网络结构。它要求输入数据转换为图的结构。

但是简单来说，图在我的印象中往往和数学建模中的最短路问题、哥尼斯堡七桥问题等联系在一起。

那么什么是图呢？

• 图Graph是比树更为一般的结构，也是由节点和边构成
• 图可以用来表示现实世界中很多事物，比如道路交通系统、航班线路、互联网连接、或者是大学中课程的先修次序

它的数学抽象概念和术语总结如下图所示：

实现方式

邻接矩阵

• 矩阵的每行和每列都代表图中的顶点
• 如果两个顶点之间有边相连，设定行列值

邻接列表

• 邻接矩阵实现法的优点是简单，可以很容易得到顶点是如何相连
• 但如果图中的边数很少则效率低下（而大多数问题所对应的图都是稀疏的，边远远少于$|V{|}^2$这个量级）

代码实现

邻接列表实现（高效）

顶点的抽象

# 抽象图的实现：顶点Vertex类
class Vertex:
    def __init__(self, key):
        self.id = key
        self.connnectedTo = {}

    def addNeighbor(self, nbr, weight=0):
        self.connnectedTo[nbr] = weight

    def getConnections(self):
        return self.connnectedTo.keys()  # .keys (因为是一个字典)

    def getId(self):
        return self.id

    def getWeight(self, nbr):
        return self.connnectedTo[nbr]

    def __str__(self):
        return str(self.id) + 'connectedTo:' + str([x.id for x in self.connnectedTo])

图的抽象

# 图保存了包含所有顶点的主表
class Graph:
    def __init__(self):
        self.vertList = {}
        self.numVertices = 0  # vertices 角的顶点

    # 新加顶点
    def addVertex(self, key):
        self.numVertices = self.numVertices + 1
        newVertex = Vertex(key)
        self.vertList[key] = newVertex
        return newVertex

    # 通过key查找顶点
    def getVertex(self, n):
        if n in self.vertList:
            return self.vertList[n]
        else:
            return None

    # 不存在的顶点先添加
    def addEdge(self, f, t, cost=0):
        if f not in self.vertList:
            nv = self.addVertex(f)
        if t not in self.vertList:
            nv = self.addVertex(t)
        self.vertList[f].addNeighbor(self.vertList[t], cost)

    # 调用起始顶点的方法添加邻接边
    def getVertices(self):
        return self.vertList.keys()

    def __contains__(self, n):
        return n in self.vertList

    def __iter__(self):
        return iter(self.vertList.values())

创建图像实例

if __name__ == '__main__':
    g = Graph()
    for i in range(6):
        g.addVertex(i)
    print(g.vertList)

    g.addEdge(0, 1, 5)
    g.addEdge(0, 5, 2)
    g.addEdge(1, 2, 4)
    g.addEdge(2, 3, 9)
    g.addEdge(3, 4, 7)
    g.addEdge(3, 5, 3)
    g.addEdge(4, 0, 1)
    g.addEdge(5, 4, 8)
    g.addEdge(5, 2, 1)
    for v in g:
        for w in v.getConnections():
            print("%s,%s" % (v.getId(), w.getId()))

代码答疑

• 代码参考自老师的PPT，实现了图数据的抽象表达

  Graph()：创建一个空的图；addVertex(vert)：将顶点vert加入图中；
  addEdge(fromVert, toVert)：添加有向边
  addEdge(fromVert, toVert, weight)：添加带权的有向边
  getVertex(vKey)：查找名称为vKey的顶点
  getVertices()：返回图中所有顶点列表
  in：按照vert in graph的语句形式，返回顶点是否存在图中True/False

• 在class里添加contains(self,x)函数,可判断我们输入的数据是否在Class里，参数x就是我们传入的数据。

• iter()函数的参数是一个可迭代对象，最终返回一个迭代器。

邻接矩阵实现（自编）

因为图具备稀疏特性，邻接列表的实现比较高效，因此老师给出了邻接列表的参考代码，本着加深理解和强化应用的原则，下面尝试自己完成图的邻接矩阵实现。

在实现前我查阅了CSDN上部分其他同学的实现方式，各有巧思，罗列在此，以供大家比对。

• python图的创建（邻接矩阵）

• Python 邻接矩阵实现无向图、有向图的三种方法，并绘图显示

• networkx中如何获取图的邻接矩阵

---

思考后发现不需要实现，因为邻接矩阵的实现就是二维矩阵，所以创建二维矩阵就是对于图的一一种描述。