[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?!
2 W) ~9 b- c" s& M3 P7 T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?
6 E( q# q) h! Y8 w, B+ O5 C) X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
" @- _0 s! K8 `0 X; s( J9 N
0 m% \5 G6 u1 {# {8 n先来了解一下什么是图.
, u! R( a: C2 }" j! x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.
9 L4 F3 S, s2 W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?
# ~* x9 d2 c$ Q% d( |
9 k! o% W: g8 p% J  M# J6 C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 )
' f$ n  q, C% {$ x' j
: n# L# s+ s- k' c% \2 [无向图
) A/ |9 I( K3 Q3 @

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?
& Q3 `- s, Y% O: ^9 F9 B( i3 [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?
, H0 V; t9 ^& u+ K% V/ e2 E
既然有疑惑,那就给个应用场景:
6 r" }7 r" j. {! }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 `9 E" y8 _. {6 ?" C& Q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?
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
. A  w1 ?1 y# D& G. n
/ L! ~; H! i% Z) H3 B( g9 C有向图
* u9 X" r! }4 S3 R( J
, W1 Y' [) J2 h5 N6 E+ ^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!
9 v9 G  ^$ k+ E1 e+ X呦呵,不错,有向图就是下面这个样子:
% b. f( I: z. m1 i* S4 R; b
* g; V1 m6 o$ r) 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
6 ~6 E; f/ I3 S" G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~
4 ~& E2 K, `7 g* E7 e# c3 X; H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
  ]! C1 I* O/ q7 j% Q- k
0 T: q  Y$ ]+ ], X! g) Y带权图
5 @% s, F! l) Q  f! U
* K* t9 x, c# P! [4 X) T$ U* r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!
% x$ Y* P) T- S; `- Z带权图长啥样呢?就下面这个样子:

) r3 J1 C7 g- e5 f) F; `懵逼了,这每条边上的数字是个什么鬼呦
+ \, {' o- D& y: Y3 m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:
- c' |4 u) V9 z) D, T! l1 W, u
) r: D, z( x) g' q+ L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」
  ^7 C& s1 @* l4 n  B6 i
到这里,上面的一切理解都还 OK ?
$ i" @2 k  t, W2 M/ a! s& n; Q" }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?
( i3 Z, }4 b' j0 ]别急,你所疑惑的,我都帮你想到了
' P2 {. |" y  q" a5 w% z( r
2 c8 L7 _( |- |$ I图的存储方法
$ `' E4 u% i+ g2 W# p, k
图的存储方法主要有以下两种:
0 D" x. F  Y/ c7 ]( \
邻接矩阵

  w& T5 k, z8 A( R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.
) V1 F% \7 H( }5 F$ `* R啥,你跟我说这还不直观?该不会是没有看下图吧:
( ?" u6 t/ H+ d8 W; |
. b- L  G9 i; S9 g, r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 A1 C; W" |  F; a3 o4 [
% X2 g7 W0 S" A( S' V/ {3 x' ~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.
8 b) |. U7 L# _3 ?' N- X$ K0 }
* e: t9 r+ }0 D1 G/ \邻接表
4 _5 W) I$ j+ a5 H& ?- Q6 x
先来看图:
* M" U+ r, A- V+ B
+ z9 H: ^( H* M8 K
& ~% v9 {) r1 Y' |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.
+ P) c6 [8 ]  N$ x嘿嘿,直觉超棒!
! n- V/ s' t! T6 k9 W. Y9 _- z3 |# \
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.
0 v+ G- F  |5 E$ ?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.
, O; J$ Z* H" L0 d5 [
我觉得对于数据结构来说,没有最好的,只有最合适的~

参考
/ {6 {0 S6 d  C3 I- j1 }
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。
原文链接：https://blog.csdn.net/zll_0405/article/details/105209800

/ v" T2 e, c7 x3 h/ `