[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?!
( y  I7 g! p5 h, c2 n& W/ I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?
( ?& Y- Q& h; H# m, E* A5 O在我查了资料之后,现在我可以跟你讲讲,图可以这么用!
( b* d4 j: o3 b6 N( x) m
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.
9 l2 i, \( Z$ U- x8 f! a3 h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
% i; A, H0 [. F( m
. p% P, a9 G$ U  [% D: E, w3 {8 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?
' U0 ^! {) @( [$ ?# 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?

既然有疑惑,那就给个应用场景:
" S5 x! H( z( p* x* ]* C8 V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
2 C) N$ N( M4 r/ V# V5 M% ^- A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
$ n; n) [+ N8 u; b# v; \3 [1 z2 I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?
; u1 F- c$ T& g( R# G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

7 j1 j6 r3 p5 h& N; U2 d$ D+ L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!
! s5 e% g: E) D+ y$ g呦呵,不错,有向图就是下面这个样子:
0 z! g; E' H. B; K. D$ r
9 K% d( d1 ]" C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.
  H& J4 B) d: J, U; G$ v* F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.
3 U" B( |4 y, C! b* B- T6 A& d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
8 R" B1 d2 k+ v' Z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.
/ ], F( {# F- w) X( h$ K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

6 p6 }- |6 _- i, E$ c7 O带权图

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!
% W  f, z9 P) M& U带权图长啥样呢?就下面这个样子:
- Y& `* N# ?" R. H: x/ l! b* l
懵逼了,这每条边上的数字是个什么鬼呦
9 y3 ^6 {# v2 `, @& F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:
8 B( W8 T9 N, C/ {$ [% ?! H& R- |
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
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」

到这里,上面的一切理解都还 OK ?
' X6 X. |8 r0 k- _( K4 O  q4 F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?
别急,你所疑惑的,我都帮你想到了

( R" L7 z1 Z7 n$ U+ p! b图的存储方法
' v: T) V6 A& I1 P: T4 d
1 C3 x* y- h1 o9 i图的存储方法主要有以下两种:

邻接矩阵

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:
8 x. A& h" J, N0 I: |& x" M" d
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.
9 T! O) a' Q6 Q. u, W
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.
5 G6 I) `* q  v6 i* v3 Y$ H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.

( @/ q& o8 |6 ~3 ~0 w. r+ c邻接表

先来看图:

6 b. `* c3 ]# J: l
- ?8 z3 T, \8 N" r  e) n4 R( f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.
& Q) ]2 K& p3 b5 f2 S! ?$ z嘿嘿,直觉超棒!
4 `) M& M7 `% y% \" b( {
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.
/ T6 y4 }2 V8 \) `' `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~

1 c8 P3 b5 t# M- b参考

极客时间—<数据结构与算法之美>
————————————————
$ g+ E; F+ ~; |: S  H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。
' S' [8 _# H! A' v! u4 u原文链接：https://blog.csdn.net/zll_0405/article/details/105209800
( J; h3 j9 F2 f) t* c
; n/ ~9 a  ^& g, A* `* V1 \; R