[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?!
9 c% u" G" E3 M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!
5 _1 W6 r+ N  H& N, i- N: @
3 A$ _! j9 c9 Y. X概念介绍

0 m* k8 R, ^* Z' h! E3 ]( q先来了解一下什么是图.
5 d& G) p/ a6 T) W; U图,是一种非线性表数据结构.
1 }' k! Q' v$ S1 S5 X( d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.
3 P- e! a* i  s# U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?
9 D; X6 n$ L# {! w3 X" b6 L& @  S
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 )
/ O- _7 f6 @8 [
5 F$ \  ^; Y6 `+ q. T) f6 J2 z无向图
# }# m- U( L  Q# `* V6 E( F
9 W' j  O" d  d: {* H/ V6 r
6 @+ z" w  w- l" O$ i2 E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?
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?
9 U: n; E1 E4 Q. T! m* O7 }" ?
既然有疑惑,那就给个应用场景:
- c' P" S4 e$ C2 G! ]( Z1 Y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
0 U* I8 k, r) }( [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
  o5 Y! d% Z0 D$ E' ~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
: E- ~- Y+ S, n2 {3 {  c
有向图

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!
' i( Z$ i: i3 i6 N' u呦呵,不错,有向图就是下面这个样子:
9 L/ S3 d6 W# f; R
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 X7 ^( H# }$ [. x5 {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.
- k- I. X; D7 b8 }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.
5 [+ y4 p3 r+ Y. G+ q  r* Q, F: u* z5 W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.
, v" j+ o' H* A* c9 J3 u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

' ^2 Q  n) F4 w/ B5 V( O5 `5 ]4 l带权图
0 r: A) U( M1 {7 s2 s1 ]/ T
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:
+ q8 G/ ~3 s- S: Y5 F
. @6 F, t# \( b8 a. {' n9 T0 g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:

" Y3 s  u: J1 Y/ q" n& {, c那么有没有好奇过呢? QQ 怎么知道我在意谁,谁在意我呢?
就是通过带权图哇
# z1 v# g) n4 E7 N" a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」

3 t8 Z. s6 _; Q: O' g, T: G0 ]到这里,上面的一切理解都还 OK ?
* u4 g; Y7 ?+ ?- l" H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?
& u' W6 K* {- k, X2 p0 y: X别急,你所疑惑的,我都帮你想到了
) _1 h) y; M/ E+ q, K! u; }/ e
图的存储方法

图的存储方法主要有以下两种:
# x+ a# _' d4 D7 q' G' [
# c8 x" N7 D, k, ^邻接矩阵

" s8 l, e9 t1 s) 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:
/ K6 S; c8 c  `% R6 E7 a6 V- y
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.
, H" f* i: Y8 ~* Z& a* \2 ^
$ \+ H. G# I9 i; I6 v1 Z% j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.
( B1 Y% A, M4 a  Q" A9 X" r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.
3 H) e9 }. Z8 c- C2 S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.
. L' P) T% x7 d
邻接表
1 ~' S$ m, [  g! ]! s4 v, q
$ ]; p( G; |* q1 ~- z. B1 c' G1 H先来看图:
% d. h  @1 h8 ?# S; K# N8 _( `' _' ?9 Y

' @6 ]+ Q; k' p( Y, f. Q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.
9 y, V" E; Z* o) k# X嘿嘿,直觉超棒!
" M5 d4 Z4 ]0 e) J# _. c4 c
0 V, p" R* z/ J; s8 ~4 @' t' |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.
7 F6 m' X0 g- G/ K! l  o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~
- Z5 {2 u6 G* k& j: z* {0 @
( [1 {2 J" w- K, F; |参考

极客时间—<数据结构与算法之美>
7 B2 y) w' I6 l2 P————————————————
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。
2 o3 X+ n) }4 ?' t; o6 V% U+ E. R原文链接：https://blog.csdn.net/zll_0405/article/details/105209800
# {% s6 Q# M! q1 ]5 v: u

$ {- E5 R- X' O$ ~" J