数据结构之图

图

1.图是什么？

图是一种非线形的数据结构，比树更加复杂。

图中的元素叫做顶点（vertex），图中的一个顶点可以和任意一个顶点建立联系，之间的联系就叫做

边（edge），每个顶点有多少边，叫做这个顶点的度（degree）。

像微博、微信、qq等交友软件，存储关注的粉丝，好友，好友的亲密度等都是用的图这种数据结构存储的。

2.无向图

微信中的好友就可以用无向图来存储。下图就是一个无向图。连个人相互加好友就在两个人之间建立了一条边。如下图所示，就是一个无向图。但是微博就不可以，以为微博可以单方面的关注。所以就需要有向图了。

3.有向图

在有向图中分为入度和出度的概念，入度就是有多少顶点指向他，出度就是他有指向多少顶点。拿微博的粉丝来说入度就是他有多少粉丝，而出度就是他关注了多少人。

下图就是有方向的图，还是拿微博来举例子，假如A关注了E,而E没有关注A 就如下图所示，A会指向E，而E不会指向A。

4.带权图

对于qq中好友的亲密度我们会发现以上的两种图都解决不了这种情况，就引入了一个新的图的类型，带权图。

带权图的每一条边都有一个权重（weight），可以通过这个权重来表示好友的亲密度。

5.图的存储方法

a.邻接矩阵

邻接矩阵的底层依赖于一个二维数组。

无向图邻接矩阵存储

如下图所示，利用一个二维数组存储图的二维数组如下：
$$x=\left\{\begin{array}{cccc}0& 1& 1& 1\\ 1& 0& 0& 1\\ 1& 0& 0& 1\\ 1& 1& 1& 0\end{array}\right\}$$
如果顶点i和顶点j之间有边 那么a[i,j]和a[j,i]都为1。

有向图邻接矩阵存储方法

有向图的邻接矩阵存储的方法和无向图类似，只不过，有向图分为入度和出度，当顶点i指向顶点j，则a[i,j]=1,反之则a[j,i]=1。

如下图所示按照顺时针分别为1，2，3，4四个顶点。

此时的有向图的邻接矩阵表示为：
$$x=\left\{\begin{array}{cccc}0& 1& 0& 1\\ 0& 0& 1& 0\\ 0& 1& 0& 0\\ 0& 0& 0& 1\end{array}\right\}$$
​
​

带权图的邻接矩阵存储方式

我就直接上图和矩阵了不多做解释了。

$$x=\left\{\begin{array}{cccc}0& 8& 0& 0\\ 8& 0& 5& 0\\ 0& 5& 0& 3\\ 0& 0& 3& 0\end{array}\right\}$$
邻接矩阵这种存储方式比较浪费内存，对于无向图来说a[i,j]=1,那么a[j,i]也是等于1，其实只需要标记一个就可以了，这样就白白的浪费了一般的存储空间。如果我们存储的是稀疏图（顶点很多但是每个顶点的边不是很多的图），比如说qq和微信的好友，qq和微信的共同好友都是上亿的但是每个人的好友最多也就是几百个。如果在用邻接矩阵存储的话，绝大多部分的内存都被浪费了。

邻接矩阵的存储高效好计算，但是占据的内存比较多，如果是稀疏图这种数据结构，用邻接矩阵的方法存储就不是太划算了。

b.邻接表存储方法

邻接表的存储方式。类似于用散列表存储，就是每个顶点上边挂着一个链表，链表里边存储的就是当前顶点，指向的顶点的值。

如下图所示：（引用自极客时间数据结构与算法专栏图片）