[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?!
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!

# `, R9 @1 q- o% N概念介绍

2 @$ ~8 A5 }, H" L. x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.
, k( i8 C. y& e0 [' t3 ]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?
$ w( w7 {4 F; t/ G  L0 P
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 )
" X, c) \4 a7 r( C( n" H
( \( I8 v. V* H8 V9 X" \. x( b无向图
8 @$ ^7 l; _* t3 @4 f
6 m4 N2 X, r* i$ B8 q/ p; S2 N
0 U% z. [; e" A: K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?
  g# `; \  h6 r4 n) Y0 M7 o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?

1 u: w8 e) F( c% n: U) X( x% ~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~
4 R! U4 j$ S* t2 r4 S2 E  d6 I2 I8 P那在数据库中如何表示呢?吼~这个时候无向图就登场了
: i  }! N# u6 G! j0 Z: h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?
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

% Y6 {: G" E9 \4 n1 J, ~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!
1 |1 e8 c7 M: P. {( N呦呵,不错,有向图就是下面这个样子:
+ m$ A" e$ v' N; j# ~. D0 m$ Q
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.
$ `: }8 K/ ]7 ^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.
$ N6 W0 R' @# k3 g- p) a# V) N, I) c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.
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
! Q4 j0 b( l- M& D6 d# C
带权图

9 t! m5 B; w0 @9 h' o2 p) V7 N( H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!
; B" H, v4 |) `/ Q  m9 O5 u6 I带权图长啥样呢?就下面这个样子:

懵逼了,这每条边上的数字是个什么鬼呦
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…
& k* T4 M, M& e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:
9 w3 ^+ [) T; g$ T
那么有没有好奇过呢? QQ 怎么知道我在意谁,谁在意我呢?
6 Y- P" A! |: ]8 v5 L. P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」
. U( k0 n  i- W4 d( d4 b& ^. z
: K9 `- e6 S# G% q$ [! Q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?
( |/ U% R6 X. z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
8 [5 w5 J& R- t5 V
" H- }* x" c: }# `* s* t图的存储方法

图的存储方法主要有以下两种:

) h# Y; [- F- b% w邻接矩阵
, m* f' T2 Q7 _
8 j$ H- V% x( n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?
# D& G! n, J; _. h所以如果使用邻接矩阵来表示的话,一定要清楚它的缺点.
" p( u7 H: k' j7 n- }5 H4 g; q) C
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.

% E4 N# _- ?) @" [4 D2 g" `邻接表

( w) O% N& s; H$ S, M5 }& M先来看图:
$ v5 e8 l. e1 D& D+ i( Y: e! B
6 f4 c+ c# `& g4 j3 ?
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!

1 k: I9 u. K) n' D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.

我觉得对于数据结构来说,没有最好的,只有最合适的~

参考
0 c4 S1 u7 y+ k0 J0 C( G( N
8 y& N1 w& c9 f极客时间—<数据结构与算法之美>
————————————————
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。
/ o* [2 U& P, W, P- a原文链接：https://blog.csdn.net/zll_0405/article/details/105209800

# c' u2 s4 w8 J- j. F6 m' K
2 r- j, ~) }3 V8 q) s: |4 p) v