图数据结构基础：从概念到应用实践

1. 什么是图？

图（Graph）是计算机科学中最基础也最重要的数据结构之一。它由一组顶点（Vertex）和连接这些顶点的边（Edge）组成。我们可以用数学方式表示为一个有序对 G = (V, E)，其中 V 是顶点的集合，E 是边的集合。

图的魅力在于它能直观地表示现实世界中各种复杂的关系网络。比如社交网络中，每个人可以看作一个顶点，好友关系就是连接这些顶点的边；在交通系统中，每个车站是一个顶点，线路则是边；甚至在神经网络中，神经元是顶点，突触连接就是边。

2. 图的基本组成要素

2.1 顶点与边

顶点（也称为节点）是图的基本单位，可以代表任何实体。边则表示顶点之间的关系或连接。根据边的性质，图可以分为几种不同类型：

• 无向图：边没有方向，如A-B表示A和B互相连接
• 有向图：边有方向，如A→B表示从A指向B
• 加权图：边上带有权重值，可以表示距离、成本等

2.2 图的表示方法

在实际编程中，我们常用以下两种方式表示图：

1. 邻接矩阵：用二维数组表示顶点间的连接关系

python复制# 无向图的邻接矩阵示例
graph = [
    [0, 1, 1, 0],  # A连接B和C
    [1, 0, 1, 1],  # B连接A、C和D
    [1, 1, 0, 0],  # C连接A和B
    [0, 1, 0, 0]   # D只连接B
]

2. 邻接表：为每个顶点维护一个连接列表

python复制# 有向图的邻接表示例
graph = {
    'A': ['B', 'C'],
    'B': ['D'],
    'C': ['B'],
    'D': []
}

邻接矩阵适合稠密图（边多），查询速度快但占用空间大；邻接表适合稀疏图（边少），空间效率高但查询稍慢。

3. 图的基本性质与概念

3.1 度（Degree）

• 无向图：顶点的度是指与之相连的边的数量
• 有向图：
  • 入度（In-degree）：指向该顶点的边数
  • 出度（Out-degree）：从该顶点出发的边数

3.2 路径与连通性

• 路径：顶点序列，其中每对相邻顶点都有边连接
• **简单路径