python中判断无向图是否有环_算法设计：数据结构-图-CSDN博客

本文介绍了图的基本概念，包括无向图和有向图的定义及重要术语，并详细解释了图的各种表示方法，如邻接矩阵、邻接表和索引表格等。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言：

图计算在数据科学中占据了很重要的地位，例如内存计算大数据框架Spark的数据对象就是采用图计算的方式；旅游大数据中游客最佳路线选择也是采用图计算，等等。

一、图的相关概念

1、图的定义

图是由顶点和边组成的集合，通常用 G = ( V , E )来表示，其中V是所有顶点组成的集合，而E代表所有边所组成的集合。图的种类有2种：一种是无向图，一种是有向图，无向图以(V1 , V2)表示其边，而有向图以< V1,V2>表示其边

2、无向图

无向图是一种边没有方向的图，即同边的两个顶点没有次序关系，例如(V1,V2)与(V2,V1)代表的是相同的边，如图所示：

V = {A,B,C,D,E}

E = {(A,B),(A,E),(B,C),(B,D),(C,D),(C,E),(D,E)}

接下来介绍无向图的重要术语：

(1)完全图：在“无向图”中，N个顶点正好有N(N-1)/2条边，则称为“完全图”，如图所示

(2)路径：对于从顶点Vi到Vj的一条路径，是指由所经过顶点组成的连续数列，如上图中，V1到V5的路径有{(V1,V2)、(V2,V5)}以及{(V1,V2)、(V2,V3)、(V3,V4)、(V4,V5)}等等

(3)简单路径：除了起点和终点可能相同外，其它经过的顶点都不同，也就是说如果一条路径上顶点不重复出现

(4)路径长度：是指路径上所包含边的总数，在上图中(V1,V2)、(V2,V3)、(V3,V4)、(V4,V5)是一条路径，其长度为4，且为一条简单路径

(5)回路：起始顶点和终止顶点为同一个点的简单路径称为回路。例如上图：{(V1,V2)、(V2,V4)、(V4,V5)、(V5,V3)、(V3,V1)}的起点和终点都是A，所以是一个回路

(6) 关联(Incident)：如果Vi与Vj相邻，我们则称(Vi,Vj)这个边关联顶点Vi和顶点Vj，关联顶点V2的边有(V1,V2)、(V2,V4)、(V2,V5)、(V2,V3)

(7)子图，例如：

(8)相邻(adjacent)：如果(Vi,Vj)是E(G)中的一边，则称Vi和Vj相邻

(9)连通分支(connected component)：在无向图中，相连在一起的最大子图，例如上图有2个联通分支

(10)度数：在无向图中，一个顶点所拥有边的总数为度数，例如上图V1的度数为4

3、有向图

有向图是一种每一条边都可是使用有序对来表示图，并且与是表示两个方向不同的边，而所谓，是指V1为尾端指向为头部的V2，如下图：

V = {A, B , C , D,E}

E ={,,,,,}

有向图的相关定义

(1)完全图：具有n个顶点且恰好有n*(n-1)个边的有向图，如下图所示：

(2)路径：有向图从顶点Vp到顶点Vq的路径是指一串从顶点所组成的连续有向序列

(3)强连通：有向图中，如果每个成对顶点Vi,Vj有直接路径(Vi和Vj不是同一个点)，同时有另一条路径从Vj到Vi，则称此图为强连通图，如下图所示：

(4)强连通分支：有向图中构成强连通的最大子图，在下图(a)是强连通，但(b)不是强连通，如图所示：

而图(b)中的强连通分支如图所示：

(5)出度数：是指有向图中，以顶点V为箭尾的边数

(6)入度数：是指有向图中，以顶点V为箭头的边数，如下图：

V4的入度数是1，出度数是0 ； V2的入度数是4，出度数是1

二、图的数据表示法

1、邻接矩阵法

图A有n个顶点，以n x n的二维矩阵来表示，此矩阵的定义为：对于一个图G = (V,E)，假设有n个顶点，n >= 1，则可以将n个顶点的图，使用一个n x n的二维矩阵来表示，其中假设A(i , j) = 1，则表示图中有一条边( Vi , Vj)存在，反之， A(i , j) = 0，则不存在边A(i , j)

相关特性：

(1)对于无向图而言，邻接矩阵一定是对称的，而且对角线一定为0，有向图则不一定如此

(2)在无向图中，任一节点i的度数为