这篇文章将为大家详细讲解有关python图的作用有哪些,文章内容质量较高,因此小编分享给大家做个参考,希望大家阅读完这篇文章后对相关知识有一定的了解。
图结构(图)——算法学中最强大的框架之一。树结构只是图的一种特殊情况。
如果我们可将自己的工作诠释成一个图问题的话,那么该问题至少已经接近解决方案了。而我们我们的问题实例可以用树结构(树)来诠释,那么我们基本上已经拥有了一个真正有效的解决方案了。
<强>邻接表及加权邻接字典强>
对于图结构的实现来说,最直观的方式之一就是使用邻接列表。基本上就是针对每个节点设置一个邻接列表。下面我们来实现一个最简单的:假设我们现有n个节点,编号分别为0,…,n - 1。
节点当然可以是任何对象,可被赋予任何标签或名称。但使用0,…,n - 1区间内的整数来实现的话,会简单许多。因为如果我们能用数字来代表节点,我们索引起来显然要方便许多。
然后,每个邻接(邻居)列表都只是一个数字列表,我们可以将它们编入一个大小为n的主列表,并用节点编号对其进行索引。由于这些列表内的节点的顺序是任意的,所以,实际上,我们是使用列表来实现邻接集(邻接集)。这里之所以还是使用列表这个术语,主要是因为传统。幸运的是,Python本身就提供独立的集合类型。
我们以下图为例,说明图结构的各种表示方法(当我们在执行与图相关的工作时,需要反复遵从一个主题思想,即一个图的最佳表示方法应该取决于我们要用它来做什么):
a, b, c, d, e, f, g, h =,范围(8) N =, ( {才能b, c, d, e, f}, ,,{c, e}, d{},才能 {e},才能 {f},才能 {才能c, g, h}, h f,, {,,}, ,,{f, g} )
在图论中,N (v)代表的是v的邻居节点集;
在祝辞祝辞,b N [a],拷贝#,neighborhood 会员 真正的 在祝辞祝辞,len (N [f]), #,学位:出度 3
<强>加权邻接字典强>
使用dict类型来代替设置或列表来表示邻接集。在dict类型中,每个邻居节点都会有一个键和一个额外的值,用于表示与其邻居节点(或出边)之间的关联性,如边的权重。
a, b, c, d, e, f, g, h =,范围(8) N =, ( {才能b: 2, c: 1,, d: 3, e: 9日,f: 4}, {才能c: 4, e: 4}, {d: 8},才能 {e: 7},才能 {f: 5},才能 {才能c: 2, g: 2, h: 2}, {才能f: 1, h: 6}, {才能f: 9日,g: 8} )
客户端调用:
在祝辞祝辞,b 拷贝N [a],,,,,,,,, #, neighborhood 会员 真正的 在祝辞祝辞,len (N [f]),,,,,,,,, #学位 3. 祝辞祝辞祝辞,N[一][b],,,,,,,,,, #, Edge weight for (a, b) 2
<强>邻接矩阵强>
邻接矩阵是图的另一种表示方法,这种表示方法的主要不同在于,它不再列出每个节点的所有邻居节点。
a, b, c, d, e, f, g, h =,范围(8) N =[ ,,(0,1,1,1,1,1,0,0), ,,(0,0,1,0,1,0,0,0), ,,(0,0,0,1,0,0,0,0), ,,(0,0,0,0,1,0,0,0), ,,(0,0,0,0,0,1,0,0), ,,(0,0,1,0,0,0,1,1), ,,(0,0,0,0,0,1,0,1], ,,(0,0,0,0,0,1,1,0], )
关于邻接矩阵:
(1)主对角线为自己到自己,为0
(2)行和为出度
(3)列和为入度
关于python图的作用有哪些就分享到这里了,希望以上内容可以对大家有一定的帮助,可以学到更多知识。如果觉得文章不错,可以把它分享出去让更多的人看的到。