[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?!
) ~8 y" |1 e4 s; g/ `9 G! N5 Z- B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?
* l9 o( n% }4 [8 H( s$ T在我查了资料之后,现在我可以跟你讲讲,图可以这么用!

概念介绍

先来了解一下什么是图.
图,是一种非线性表数据结构.
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?
  z6 J9 ]9 T, X
1 a/ A$ N/ ]; |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 )
% w6 @  |" G0 w
无向图

4 t6 t/ a( F* n4 ?4 C/ ]7 R
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?
7 z3 ]3 P! P3 z: I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?
% g$ \# Z, K% N
既然有疑惑,那就给个应用场景:
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
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
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?
) o5 }/ Y, e2 X+ |' p% r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

有向图
3 V/ I% R) ~: I3 E0 y  u, m
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:

" R- E) n8 t* t% G- J& [4 Z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.
# j% u: V% y3 i2 K0 v& [) N0 c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.
9 K7 G% P! R# Q+ K* u) l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?
) [5 k# V' }9 Z  @! ]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.
- |3 D6 w3 a; V2 ~2 ^; v; T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~
那么我关注了多少人就是出度,多少人关注了我就是入度.
- t7 S7 W. s! C- D2 x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 d- l9 u9 G9 q3 K9 G+ W$ g
带权图
) W+ N: g5 k+ c! p* X8 S, |  s, [. ^
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!
带权图长啥样呢?就下面这个样子:
, S  `* [7 M7 e
懵逼了,这每条边上的数字是个什么鬼呦
  _) h! f8 q* H. m3 \! B9 }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…
% z. ]1 D: h. E( T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:
% N* ^3 f5 F  j  h* z1 Y
1 H% C/ T: F7 Y: |- d1 F2 g5 q那么有没有好奇过呢? QQ 怎么知道我在意谁,谁在意我呢?
7 Q# T- ?0 r7 K: E) }- O1 F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」
( ^, K7 i- C9 q  O- Z3 D6 F3 m2 ?
到这里,上面的一切理解都还 OK ?
7 {* ?( Q" z5 x那咱们继续.图是怎么表示的呢?
/ {" R3 h' f% o8 {/ c4 ^9 Y# y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?
3 x. n% Z" z! S( Y3 _% @! J3 }& _别急,你所疑惑的,我都帮你想到了
& _2 t# J3 Z* x, H3 R7 b
- R  L. b  w, H0 {8 }! M图的存储方法

图的存储方法主要有以下两种:
' o7 j7 U+ y1 k7 B9 J$ J6 r
' [5 _8 y( S* k" }0 X; A; w. Q邻接矩阵
! f( Z& V* d9 a0 J' ]
7 Y" G2 k( N+ H5 G4 b6 B. a" j* @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.
9 a6 s1 u2 m; \6 b啥,你跟我说这还不直观?该不会是没有看下图吧:
6 q+ }  n, ?/ r( _5 ?
5 Y/ }+ s7 g" I9 c5 F9 e( P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?
  }5 L& O" h. H/ K) m9 L3 w所以如果使用邻接矩阵来表示的话,一定要清楚它的缺点.

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.
6 G  R- g0 x( {! F+ }2 j% g7 D9 }" H
邻接表
. |2 _8 C" q8 m) f, j
先来看图:
' u4 K% R# K1 P# H8 R3 x$ L2 K% t

, ~' {: ]4 H9 u7 }2 Q* N5 J$ a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.
8 M1 j% y1 p! z8 @+ ^6 m嘿嘿,直觉超棒!
& f1 F& o4 ^0 {! F& W: X
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.
- n4 i1 v$ @) c# D0 y% f; m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.
! C$ D. B  [( V0 ~# C$ @
+ [2 E1 D) A0 x- G  {我觉得对于数据结构来说,没有最好的,只有最合适的~

参考
: ^! J5 X5 @# F9 f1 C
% W. q4 \+ ?4 z  T% A极客时间—<数据结构与算法之美>
————————————————
3 }( r$ }3 j# v" q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

! H# N- t9 M" e; m$ D) ]4 v" W