Hello 算法9：图

https://www.hello-algo.com/chapter_graph/graph/#911

图的基本概念

• 图由顶点和边组成，比起链表（线性数据结构）和树（分治结构），图更自由也更复杂

方向性

• 在无向图中，边表示两个顶点之间的双向连接关系，比如微信好友
• 在有向图中，边具有方向性，比如社交网络上的关注和被关注

连通性：连通图connected graph 和 非连通图disconnected graph

• 连通图中，从某个顶点出发，可以到达任意顶点
• 非连通图中，从某个顶点出发，至少有一个顶点无法到达

有权图：为边增加权重，就得到了有权图weighted graph。例如游戏中计算共同游戏时间的亲密度

其他常用术语：

• 「邻接 adjacency」：当两顶点之间存在边相连时，称这两顶点“邻接”。
• 「路径 path」：从顶点 A 到顶点 B 经过的边构成的序列被称为从 A 到 B 的“路径”。
• 「度 degree」：一个顶点拥有的边数。对于有向图，「入度 in-degree」表示有多少条边指向该顶点，「出度 out-degree」表示有多少条边从该顶点指出。

图的表示

1.邻接矩阵表示：以下是一个无向图的邻接矩阵表示例子

它有如下特点：

• 顶点不能和自身相连，所以对角线元素无意义
• 无向图的两个方向等价，所以矩阵关于对角线对称
• 将1替代为权重，即可表示有权图

时间复杂度O(1)，空间复杂度O(n^2)

2.邻接表

「邻接表 adjacency list」使用n个链表来表示图，链表节点表示顶点。第i个链表对应顶点i，其中存储了该顶点的所有邻接顶点（与该顶点相连的顶点）

边的数量显然少于n^2，所以邻接表比起矩阵，空间占用较小；但查找效率不如矩阵。

图的常见应用

图的基础操作

图的操作分为对顶点和边的操作，邻接矩阵和邻接表的实现各有不同。

基于邻接矩阵的实现

class GraphAdjMat:
    """基于邻接矩阵实现的无向图类"""
    def __init__(self, vertices: list[int], edges: list[list[int]]):
        """构造方法"""
        # 顶点列表,元素代表“顶点值”，索引代表“顶点索引”
        self.vertices: list[int] = []
        # 邻接矩阵，行列索引对应“顶点索引”
        self.adj_mat: list[list[int]] = []
        # 添加顶点
        for val in vertices:
            self