[数据结构与算法]16 什么,图这种数据结构把你难住了?!

杨利霞

[数据结构与算法]16 什么,图这种数据结构把你难住了?!
% O2 @2 I  y# Z' a' d; y! k你是不是和我一样,在学习数据结构与算法时,了解了一下图这种数据结构之后,根本不知道它的用武之地在哪里?
在我查了资料之后,现在我可以跟你讲讲,图可以这么用!
" N% G6 b. }3 {2 U
概念介绍
& K4 u4 t1 w4 \, Y  F: u0 G. Q' y
先来了解一下什么是图.
. Z: ^# A/ B0 w! I- J3 x$ K, T图,是一种非线性表数据结构.
% K4 {$ c8 Y6 K: X" P1 X那么你可能会问了,什么是线性表结构哇,我怎么区别一种数据结构是线性的,还是非线性的呢.
哈哈,还好我机智,在这篇文章之前就写了一篇文章来介绍,如果还有疑问,楼上雅座请: [数据结构与算法]14 搞不懂线性结构,非线性结构?
$ \. m, V1 R. @" H
$ x7 `# l7 F8 l/ D/ k在图中元素叫做顶点( vertex ),图中的一个顶点可以和其他任意顶点建立连接关系,这种建立的关系叫做边( edge )
6 A0 S4 R) u2 `2 h/ n& c  t2 w- D* o
, B4 c" W9 J* I1 \* J" C- E8 v# z无向图
, Z, P$ r$ {% Z; z3 W' `  }4 X8 v
- M1 e. q' G- [2 ?6 }! c, H
: H. G+ j! b! m3 A上面给出的是无向图.看到这里你可能就觉得比较疑惑,这个无向图看起来没啥呀,怎么会有这种数据结构呢?
) y! R! N  _) |) G4 \( p) K不知道你是怎么想的,我刚开始学的时候就有这种疑问,这是什么神仙数据结构哇,还会有应用场景?

) y9 f! A. \7 {; y& N既然有疑惑,那就给个应用场景:
3 H. `: u) H. l( r假设,现在你和我是微信好友,那是不是应该你的好友列表里面有我,我的好友里面有你,这样咱们才是好友对不对~
那在数据库中如何表示呢?吼~这个时候无向图就登场了
! N8 R% ]+ g. E3 [( }你和我是微信好友,那就在咱俩之间来条线,表示咱俩之间有关系,一条线就解决了问题,真是完美至极啊
0 ^( t9 N! ?  C5 z9 T假设,(怎么又是假设,哈哈哈)上图中表示的就是 A,B,C,D,E,F 之间的关系,那你可能就发现问题了,有的顶点线比较多,比如 D 有四条线,有的就相对少一些,比如 B 有两条线.这些线就表示顶点的度( degree ).这个概念有啥用?
$ @& e/ j' U, f, O3 M: v能一眼看出来谁的好友多!那这个功能有啥用?(好吧,这个功能好像是有点儿鸡肋,不过也算是一个应用场景

  \$ O8 X6 i0 l# o/ g- z1 J1 ?有向图
; N  X, h. z6 |1 g+ [
; k% n% h4 y0 Y* r- m* [( F, h看到上面的无向图,基础不错的小伙伴肯定会说了,我还知道有向图呢!
呦呵,不错,有向图就是下面这个样子:
6 {) i) r2 Z# R, q) F  g3 R
0 F: X' V. K# d# u在无向图中,咱们知道一个顶点有多少条边,就说它的度为多少.
4 e/ W  Z# t' S* C; _) o" A在有向图中呢,有指向顶点的,也有从顶点指出去的,基于无向图的概念,咱们把从这个顶点指出去的边称为出度,指向该顶点的边称为入度.
那么有向图会应用在哪些场景呢?微信好友这个场景是不太可以了
那么微博呢?
微博和微信有什么不一样呢?微信是你和我是好友,那么咱们的好友列表里一定是要有彼此的,拉黑或者删除彼此了,那就不能互相发送消息了.
* s' ]! r: B4 \9 J3 O+ I但是微博呢?你关注了我,并不代表我就要关注你对吧?看到这里有没有一种豁然开朗的感觉~
- h8 k; Y9 F" a9 m, F0 W那么我关注了多少人就是出度,多少人关注了我就是入度.
) j/ A/ ]. E5 o* h4 p; l& |这样带入理解是不是会比较好一点儿?(我可真是个天才,哈哈哈
0 y6 A0 m; D6 k+ d. u
带权图
; l! ]; p- U+ S5 t% u# c
( O  ?, e) a4 X- I% }) b% K3 P看完了无向图,有向图,相信就有人说,我还见过带权图!(陈独秀给我坐下!
- n8 t6 I- U" p1 V7 U带权图长啥样呢?就下面这个样子:
( f+ Z! i, @, J  a& x6 h
懵逼了,这每条边上的数字是个什么鬼呦
" P% m% v& d' F! d) @# [( b别急,咱们来个场景:大家都玩 QQ 嘛?(别跟我说不玩,配合一下嘛…
+ {+ U9 F% p5 c2 R' ^; y$ O2 A玩 QQ 的话,一定知道有 QQ 空间,然后空间里面有个「谁在意我」「我在意谁」的功能,就是下图:
' i: Q- c3 _( E! Y8 Q4 H3 Q8 w
& w% G7 x; l4 B4 H那么有没有好奇过呢? QQ 怎么知道我在意谁,谁在意我呢?
+ v' f0 @) o* Q& Y$ c# c2 n& F0 X就是通过带权图哇
你访问了一个人的空间,这条边的权重就增加一点儿;别人访问了你的空间,那这条边的权重就增加一点儿;这段时间你们两个人聊天聊得比较频繁,来个小火花,顺便在你们两者之间的边权重增加一点儿.然后根据这些边的权重从大到小排序就得出了「谁在意我」「我在意谁」
" f8 l) \! ]9 X
到这里,上面的一切理解都还 OK ?
那咱们继续.图是怎么表示的呢?
) j) W( ^4 N2 @2 V图这种数据结构,再怎么画顶点,画边,到最后在物理结构上是怎么存储的呢?
别急,你所疑惑的,我都帮你想到了
+ L, {0 o( n/ k" ]
图的存储方法

图的存储方法主要有以下两种:
; d( a; A8 h, O1 \# K
邻接矩阵
! W! {' F; Q8 K+ Q! _/ T
邻接矩阵的底层依赖一个二维数组.对于无向图来说,如果 i 与 j 之间有边,那就将 A[j] 和 A[j] 标记为 1 ;对于无向图来说,如果 i 指向 j ,那么 A[j] 值为 1 ,如果 j 指向 i ,那么 A[j] 值为 1 ;对于带权图来说, A[j] 存储的值就不是 1 了,而是对应的权重值.所以这是图最直观的一种存储方法.
啥,你跟我说这还不直观?该不会是没有看下图吧:

但是你发现问题了嘛,这样看起来确实是直观了很多,但是很浪费空间有没有!比如无向图,如果 A[j] 为 1 ,那么 A[j] 肯定也是 1 ,多存储 A[j] 根本没啥必要.就像买东西,明明一块钱能买到的东西,为啥非要花两块钱?
所以如果使用邻接矩阵来表示的话,一定要清楚它的缺点.
% [( ^' x1 i6 G3 k# c% _
! f, N$ I, ]! H( |但这并不是说,使用邻接矩阵来存储就没啥优点.这天底下哪儿有那么绝对的事情呢.
首先,邻接矩阵的存储方式简单,直接,所以当我们需要获取两个顶点之间的关系时,相信我没有比这种存储结构更高效的了.
还有就是使用邻接矩阵存储图的另外一个优点就是方便计算,因为可以将很多图的运算转换成矩阵之间的运算.
* H, O, Y: u+ B- X0 U( v; k
邻接表
: a5 ^) u; ]% j  B
先来看图:

$ a" y% [( j- N
乍一看,这不是散列表嘛!每个顶点对应一条链表,链表中存储的是与这个顶点相连接的其他顶点.
嘿嘿,直觉超棒!

3 j. [* B$ s% g' |: j如果你对散列表熟悉的话,应该知道,在散列表中,如果链太长了,会导致冲突概率增大,复杂度也蹭的一下升高.而且吧,链表的存储方式你也知道,不是连续的,所以相对于数组来说, CPU 读取就会慢一些,相对于邻接矩阵的存储方式,在邻接表中查询两个顶点之间的关系就没那么高效了.
所以在实际开发中要注意遇到这种情况该如何处理,或者在刚开始的时候就直接设计好实现方式.比如可以将邻接表中的链表改为平衡二叉树,或者红黑树.

/ L# d+ O) z6 ^3 L我觉得对于数据结构来说,没有最好的,只有最合适的~
$ z. T2 V' f1 `
% S/ w; V7 q8 Y! x9 f! N, n7 Z  h参考
0 y" b- d% f( j$ {9 P
$ b, }( x0 e& e3 f( c( P极客时间—<数据结构与算法之美>
6 i) t7 H8 \7 l. w: Q& ]9 a————————————————
! \! G; P  [/ [) N版权声明：本文为CSDN博主「郑璐璐」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/zll_0405/article/details/105209800
1 @3 V' v; I$ r4 G" A
' r; P$ b4 u/ ?0 K1 L4 i1 I3 x1 N/ H7 Y
4 b+ C0 @# t3 g$ _