【LC打卡-Python】图形结构-133. 克隆图

• 图的遍历

133. 克隆图-中等

题目概述：深拷贝整个图

题目网址：https://leetcode-cn.com/problems/clone-graph/

题目思路：实际上是遍历整个图，同时进行克隆操作。虽然给定的是一个无向图但其实可以视作是双向图。

【1】作为python要耍流氓的话当然是一句话deepcopy：

        return copy.deepcopy(node)

【2】正常操作下思路分两种：

DFS和BFS，图遍历通常离不开这俩兄弟了。同时为了防止多次遍历同一个节点陷入死循环，我们需要对已经遍历过的节点进行记录。因此关键一个在于哈希表，一个在于克隆节点和其他操作的先后问题。

0-使用哈希表存储所有访问过的原节点（key）和克隆节点（value）。用栈-DFS或者用队列-BFS。

1-从给定节点开始遍历图。

2-访问节点，克隆节点，原节点进栈或队列，克隆节点进哈希表。

3-循环从栈或队列取节点：

    3.1-根据取出节点访问邻接节点并重复2。

    3.2-将克隆出的邻接节点添加入（哈希表中）取出节点的克隆节点的邻接中。

DFS与BFS的区别其实只有一行，他们仅仅是取出节点的方式不同而已。（同时，DFS因为使用了栈，可以很容易的改成递归模式，但我没写）这其实是在搜索策略中的优先策略问题。

时间复杂度：O(N)，每个节点只处理一次。

空间复杂度：O(N)。HashMap O(N)，栈需要 O(H)，队列需要 O(W)，其中 H 是图的深度，W 是图的宽度。

class Solution:
    def cloneGraph(self, node: 'Node') -> 'Node':
        if not node:
            return
            
        visited = {}
        que = []

        visited[node] = Node(val = node.val)
        que.append(node)

        while que:
            # BFS
            curr_node = que.pop(0)
            # DFS
            # curr_node = que.pop(-1)
            for neigh_node in curr_node.neighbors:
                if neigh_node not in visited:
                    que.append(neigh_node)
                    visited[neigh_node] = Node(val = neigh_node.val)
                visited[curr_node].neighbors.append(visited[neigh_node])
             
        return visited[node]

ps：克隆有向图，树时代码也都不需要改变，具有一定的通用性。