[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?!
4 g5 @$ b+ q3 g; o5 u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?
; k  z9 u( U, `7 R( o3 z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.
# p5 t6 k0 z) ]0 p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?

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 )

无向图
( m5 l# ^( d/ a3 _

8 k- j( c: R& D7 \3 t2 @& U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?
5 @8 H% C& {: d4 \! n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?
3 Q. u: ?1 i2 @# G- p
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~
# L5 e. V6 X2 m+ ^; J# T7 h, d那在数据库中如何表示呢?吼~这个时候无向图就登场了
1 b+ z# e% E/ o' l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?
0 N; Q; E4 B* d5 a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

1 s" `: o( G4 f2 s有向图
- d  \. y: }! _
4 G/ p6 E/ g( \! r! Z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:
9 p* w  i& G9 n8 d8 Y% a
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.
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
- y; \/ o8 K. F/ {" L/ a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.
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.
9 r. k* x4 n1 b( k( Z( O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

带权图
0 U! b& M, O: h. ~$ q- s9 t' R
% ^( ?& L; Z; 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!
带权图长啥样呢?就下面这个样子:

, ?1 c/ a7 F1 K( w. e( K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…
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:
( h' X  {- }3 x  t! y$ R0 K
那么有没有好奇过呢? QQ 怎么知道我在意谁,谁在意我呢?
% A) c5 D+ O4 q/ ]* H5 a& l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」
& U5 |. J  s  }4 Y8 j" s
  K9 F1 D/ O: \5 E( {$ x- R2 O+ A到这里,上面的一切理解都还 OK ?
' X7 X' I3 M8 s# ?( O那咱们继续.图是怎么表示的呢?
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?
2 K8 p( i4 Y& N  b别急,你所疑惑的,我都帮你想到了
4 I% ~$ O$ A1 t" f" q
7 i9 B( t& @4 W6 X4 L: @) Z图的存储方法

图的存储方法主要有以下两种:
' _3 B- ^& e' W7 J5 {' f
邻接矩阵
! }; R5 H) O8 v. l
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:
' |- m9 T# F( u/ @) A% Y4 N
3 r2 Y# n1 ~4 Z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?
% v8 a* j  P* y; g) M. l- Q5 L2 S所以如果使用邻接矩阵来表示的话,一定要清楚它的缺点.

% t$ _8 c) X7 D1 b& e' 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.
" e, |$ [% r  M! R" w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! a0 ~" ^) A( o/ I, I
邻接表
' U' ~7 o9 m4 ?  k9 P2 x
, J/ ]4 L& F! ^. Y+ `) P! W先来看图:
" ]+ H7 J; r: `3 J( ^1 X

1 ~! l7 t1 F9 \# a. ]' o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 ^8 |5 g' K5 N
) K8 ?- Z' t3 X3 @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.

1 b/ V% z# E3 v, |) Q5 p我觉得对于数据结构来说,没有最好的,只有最合适的~
7 C7 \: T1 Y4 Z$ L) l
% f! q  N. a) s+ w* i参考

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。
) U! S% D* p, C, X1 G8 f9 l  e原文链接：https://blog.csdn.net/zll_0405/article/details/105209800

" V. \6 k# Q' Q! J0 z
. z' U; R" l- s( a- a