图的性质
如上所示，这就是一张校园秘籍简版地图，如果我们把各个节点换成数字，那么它就是数据结构中的图。
非线性表数据结构，树中的元素叫作节点，图中的元素叫作顶点。
图中两个顶点之间的连接线叫作边。
跟顶点相连接的边的条数叫作顶点的度。
边上有方向的图叫作有向图，边上没有方向的图叫作无向图。
有向图
度分为入度和出度
顶点的入度，表示有多少条边指向这个顶点；顶点的出度表示有多少条边以这个顶点为起点指向其他顶点。比如小红书的单向关注，微信的单向好友机制。
带权图
类似QQ好友之间的亲密度，在表示好友的基础上，每条边加上一个权重(weight)。
存储方法
邻接矩阵存储方法
图的最直观的一种存储方法就是：邻接矩阵（Adjacency Matrix）
邻接矩阵的底层依赖是一个二维数组，在无向图中，如果顶点 i 与顶点 j 之间有边，我们就将A[i][j] 和 A[j][i]标记为 1；在有向图中，如果有一条箭头从顶点 i 指向顶点 j 的边，那我们就将 A[i][j]标记为 1，如果没有箭头从顶点 j 指向顶点 i ，那么A[j][i]就标记为 0 ；在带权图中，存储的不再是 0 和 1 ，而是对应的权重。
邻接矩阵的存储方式比较简单和直接，基于数组实现，获取顶点的关系时，非常高效。计算起来也比较简单。
缺点就是浪费空间，如下所示，连通的顶点不多，存储是稀疏图（顶点很多，但是每个顶点的边并不多）时，这种存储方式就比较浪费空间。
邻接表存储方式
解决邻接矩阵比较浪费内存空间的问题——邻接表（Adjacency List）
邻接表有点像散列表，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。
这是一种空间与时间复杂度互换的设计思想，邻接矩阵浪费空间，使用比较方便，邻接表存储比较省空间，但是使用起来比较耗时。
在邻接表中确定两个顶点是否相连，需要遍历顶点对应的那条链表，链表的存储方式对缓存也不友好，可以利用解决散列表中链过长的方法，提高查找效率。把链表换成平衡二叉查找树，跳表等数据结构。
