本文實例講述了Python數據結構與算法之圖結構（Graph）。分享給大家供大家參考，具體如下：
圖結構（Graph）——算法學中最強大的框架之一。樹結構只是圖的一種特殊情況。
如果我們可將自己的工作詮釋成一個圖問題的話，那么該問題至少已經接近解決方案了。而我們我們的問題實例可以用樹結構（tree）來詮釋，那么我們基本上已經擁有了一個真正有效的解決方案了。
鄰接表及加權鄰接字典
對于圖結構的實現來說，最直觀的方式之一就是使用鄰接列表。基本上就是針對每個節點設置一個鄰接列表。下面我們來實現一個最簡單的：假設我們現有 n 個節點，編號分別為 0, …, n-1.
節點當然可以是任何對象，可被賦予任何標簽或名稱。但使用 0, …, n-1 區間內的整數來實現的話，會簡單許多。因為如果我們能用數字來代表節點，我們索引起來顯然要方便許多。
然后，每個鄰接（鄰居）列表都只是一個數字列表，我們可以將它們編入一個大小為 n 的主列表，并用節點編號對其進行索引。由于這些列表內的節點的順序是任意的，所以，實際上，我們是使用列表來實現鄰接集（adjacency sets）。這里之所以還是使用列表這個術語，主要是因為傳統。幸運的是，Python 本身就提供獨立的 set 類型。
我們以下圖為例，說明圖結構的各種表示方法（當我們在執行與圖相關的工作時，需要反復遵從一個主題思想，即一個圖的最佳表示方法應該取決于我們要用它來做什么）：
|
1
2
3
4
5
6
7
8
9
10
11
|
a, b, c, d, e, f, g, h = range(8)N = [ {b, c, d, e, f}, {c, e}, ldzjh9fvzrv3, {e}, {f}, {c, g, h}, {f, h}, {f, g}] |
在圖論中，N(v) 代表的是 v 的鄰居節點集；
|
1
2
3
4
|
>>> b in N[a] # neighborhood membershipTrue>>> len(N[f]) # out-degree：出度3 |
加權鄰接字典
使用 dict 類型來代替 set 或 list 來表示鄰接集。在 dict 類型中，每個鄰居節點都會有一個鍵和一個額外的值，用于表示與其鄰居節點（或出邊）之間的關聯性，如邊的權重。
|
1
2
3
4
5
6
7
8
9
10
11
|
a, b, c, d, e, f, g, h = range(8)N = [ {b:2, c:1, d:3, e:9, f:4}, {c:4, e:4}, {d:8}, {e:7}, {f:5}, {c:2, g:2, h:2}, {f:1, h:6}, {f:9, g:8}] |
客戶端調用：
|
1
2
3
4
5
6
|
>>> b in N[a] # neighborhood membershipTrue>>> len(N[f]) # out-degree3>>> N[a][b] # Edge weight for (a, b)2 |
鄰接矩陣
鄰接矩陣是圖的另一種表示方法，這種表示方法的主要不同在于，它不再列出每個節點的所有鄰居節點。
|
1
2
3
4
5
6
7
8
9
10
11
|
a, b, c, d, e, f, g, h = range(8)N =[ [0, 1, 1, 1, 1, 1, 0, 0], [0, 0, 1, 0, 1, 0, 0, 0], [0, 0, 0, 1, 0, 0, 0, 0], [0, 0, 0, 0, 1, 0, 0, 0], [0, 0, 0, 0, 0, 1, 0, 0], [0, 0, 1, 0, 0, 0, 1, 1], [0, 0, 0, 0, 0, 1, 0, 1], [0, 0, 0, 0, 0, 1, 1, 0],] |
關于鄰接矩陣：
（1）主對角線為自己到自己，為0
（2）行和為出度
（3）列和為入度
希望本文所述對大家Python程序設計有所幫助。
原文鏈接：http://blog.csdn.net/lanchunhui/article/details/50954005
