python实现图数据结构_Python图概述,python,数据结构,与,算法,Graph,的,总结

1 基本概念

无向图：即图的边没有方向，边一般用弧形括号表示（）

有向图：图的边有方向，边一般用尖括号表示<>

完全图：图的每两个顶点之间有边链接

连通图：图的每两个顶点之间有路径链接

无向完全图：无向图中，任意两个顶点之间都存在边。

有向完全图：有向图中，任意两个顶点之间都存在方向互为相反的两条弧。

2 图的存储

2.1 邻接矩阵

用两个数组，一个数组保存顶点集，一个数组保存边集。

2.2 邻接表

对于带权值的网图，可以在边表结点定义中再增加一个weight的数据域，存储权值信息即可。

3 图的遍历

"""

@Author:Lixiang

@Blog(个人博客地址): https://lixiang007.top/

@WeChat：18845312866

"""

#定义一个图的结构

graph={

'A':['B','C'],

'B':['A','C','D'],

'C':['A','B','D','E'],

'D':['B','C','E','F'],

'E':['C','D'],

'F':['D']

}

3.1 深搜-stack实现

"""

@Author:Lixiang

@Blog(个人博客地址): https://lixiang007.top/

@WeChat：18845312866

"""

#DFS指的是深度优先搜索 回溯法(会回看前面的节点)

#一直往前走，走不下去往回跳

#使用stack来进行深度的顺序

#把栈顶元素去除，在把临接点放入

#其实并不难，只要把队列改成栈就可以了

def DFS(graph,s):#图 s指的是开始结点

#需要一个队列

stack=[]

stack.append(s)

seen=set()#看是否访问过

seen.add(s)

while (len(stack)>0):

#拿出邻接点

vertex=stack.pop()#这里pop参数没有0了，最后一个元素

nodes=graph[vertex]

for w in nodes:

if w not in seen:#如何判断是否访问过，使用一个数组

stack.append(w)

seen.add(w)

print(vertex)

3.2 广搜-queue实现

"""

@Author:Lixiang

@Blog(个人博客地址): https://lixiang007.top/

@WeChat：18845312866

"""

#BFS 广度优先搜索 层序遍历

def BFS(graph,s):#graph图 s指的是开始结点

#需要一个队列

queue=[]

queue.append(s)

seen=set()#看是否访问过该结点

seen.add(s)

while (len(queue)>0):

vertex=queue.pop(0)#保存第一结点，并弹出，方便把他下面的子节点接入

nodes=graph[vertex]#子节点的数组

for w in nodes:

if w not in seen:#判断是否访问过，使用一个数组

queue.append(w)

seen.add(w)

print(vertex)

4 拓扑排序

如果我们有如下的一个有向无环图，我们需要对这个图的顶点进行拓扑排序，过程如下：

首先，我们发现V6和v1是没有前驱的，所以我们就随机选去一个输出，我们先输出V6，删除和V6有关的边，得到如下图结果：

然后，我们继续寻找没有前驱的顶点，发现V1没有前驱，所以输出V1，删除和V1有关的边，得到下图的结果：

然后，我们又发现V4和V3都是没有前驱的，那么我们就随机选取一个顶点输出（具体看你实现的算法和图存储结构），我们输出V4，得到如下图结果：

然后，我们输出没有前驱的顶点V3，得到如下结果：

然后，我们分别输出V5和V2，最后全部顶点输出完成，该图的一个拓扑序列为：

v6–>v1—->v4—>v3—>v5—>v2

5 图的最小生成树

树是一种没有回路和环路的图

5.1 普利姆算法

步骤

步骤1：在所有的边中选择一个边权最小的边（如果具有相同最小权值的边有好几个，那么就随便选一个），使用这个边将两个节点连接起来，也就是将这个边加入生成树结构中

步骤2：将上述步骤中用到的点，存放在一个数组中，这个集合称之为“用过的点的集合”（一会儿我们要用这个集合来判断新选择的边是不是会构成回路）

步骤3：查找和所有已经用过的点相关的边，在这些边中挑出一个权值最小的边，加入生成树结构中，

但是在挑选的过程中我们需要保证：被选择的点，不能够出现在“用过的点的集合”中，因为如果出现这种情况，说明选择的边将使得图中出现回路，那就不是树结构了

步骤4：将这个距离最近的点，同样加入“用过的点的集合”

步骤5：重复步骤3-4，直到边的个数为节点的数量减一时候，说明所有的节点都已经加入最小生成树结构中了，程序终止

5.2 克鲁斯克尔（Kruskal）算法

记Graph中有v个顶点，e条边；

新建图Graphnew，Graphnew中拥有原图中的v个顶点，但没有边;

将原图Graph中所有e条边按权值从小到大排序；

循环：从权值最小的边开始，判断并添加每条边，直至添加了

n-1条边

：

图中的路径按照权值的大小的排序为

AF 1;

BE 4;

BD 5;

BC 6;

DC:10;

BF 11;

DF 14;

AE 16;

AB 17;

EF 33;

算法的处理过程如下

DC形成环路了，舍去。