Python-图-如何找出社交网络中的三度好友关系

羁绊前行的，不是肆虐的狂风，而是内心的迷茫。—王争。

最近有些偷懒，距离上次更新也有两个星期了，原因我也很清楚，就是又开始有些迷茫了，购买了不少课程，仍不能减轻内心的焦虑。焦虑的原因还是想得太多，做得太少，总想一口吃个胖子，而实际上，学习是有滞后性的，而且因人而异，因此学习时不应报着是否有用无用的功利心态，书到用时方恨少，学习重在积累，你学习到的知识可能短期内用不到，但说不定未来某天某个时机，或者眼界的提升都有助于未来的选择和发展，这样想，内心平静了许多。其实脚踏实地的去干就行了，空想无用，不如学也。

荀子说过：学不可以已。古人都有这样的认知，我们这种从事 IT 行业的，更应践行终身学习，否则，干不过那群小学生。

今天，接着分享最近学习到的算法相关的工程应用，代码仍用 Python 实现，Python 语言非常易读，你可以方便地转化为自己擅长的语言。今天要分享的是图这种数据结构和遍历算法。

王争老师说过，一定要带着问题去学习算法。这里先抛出一个问题：如何找出社交好友中的三度好友关系？

这里解释下：一个用户的一度好友，就是他的直接好友，二度好友就是他好友的好友，三度好友就是他好友的好友的好友，还记得著名的 6 度理论吗，也就是说你最多通过 6 个人认识你想认识的世界上任何一个人。在社交网络中，我们往往通过用户之间的连接关系，来实现推荐「可能认识的人」这么一个功能。给你一个用户，如何找出这个用户的所有三度（其中包含一度、二度和三度）好友关系？

如何存储社交网络中的好友关系呢？图这种数据结构就非常适合表达社交网络中的好友关系，图中的顶点代表一个人，边代表两个人之间是好友关系（无向图），有方向的边可以表达单向的好友关系，比如 A 是 B 的粉丝而 B 不是 A 的粉丝，边上的权重还可以表达两个人的亲密度。

以无向图为例，假如求一个顶点的一度好友，就是该顶点直接相连的顶点的集合，二度好友，就是其一度好友的一度好友，三度好友就是二度好友的一度好友，是不是有点递归的味道。这就跟图的遍历算法有关。

众所周知，图有两种最基本的遍历算法：广度优先遍历（BFS）和深度优先遍历（DFS)。广度优先就是一层一层的遍历，是一种“地毯式”层层推进的搜索策略，即先查找离起始顶点最近的，然后是次近的，依次往外搜索。而深度优先就是一条道走到黑，如果走不通再回退一下继续走，直到找到目标位置。

直观地感觉，广度优先算法可以满足查找三度好友关系，由于是一层一层地遍历，当遍历到第三层时，所有的一度二度三度好友都找到了。而且广度优先能找到最短路径，而深度优先则不一定。

下面我们来实现广度优先算法，并找出一个顶点的三度顶点。写代码前先思考下如何使用基础的数据结构比如数组、链表来存储一张图。数组和链表都是可以的，而且各有千秋。

一是使用二维数组来表达一张表，如下图所示：

这也叫邻接矩阵，这处存储的好处是利用数组随机访问的特性，查找和插入的速度快，缺点就是浪费内存。而链表的方式正好相反，节省了内存，但降低了访问速度。

1、存储一个图

Python 是一种非常灵活的编程语言，我们可以使用 Python 中的字典来存储一个表，使用键来代表一个顶点，使用值来存储与该顶点相连的顶点。在实际的开发中，大家可能多使用 Python 的字典，它是一种 hash 表，查找的速度非常高效。

class AdjacencyList(object):
    def __init__(self):
        self.List = {
   }

    def addEdge(self, fromVertex, toVertex):
        # check if vertex is already present
        if fromVertex in self.List.keys():
            self.List[fromVertex].append(toVertex)
        else:
            self.List[fromVertex] = [toVertex]

    def printList(self):
        for i  in self.List:
            print(i,'->',' -> '.join([str(j) for j in self.List[i]]))

现在我们来验证一下使用字典存储的无向图：

if __name__ == '__main__':
    al = AdjacencyList()
    al.addEdge(0, 3)
    al