Python高手必备!揭秘图(Graph)的N种风骚表示法,让你的代码瞬间高大上

简介: 【7月更文挑战第10天】在Python中,图数据结构通过邻接矩阵、邻接表、边列表和邻接集来表示,用于社交网络分析和路径查找等。邻接矩阵用二维数组存储连接,邻接表仅存储每个节点的邻居,节省空间。边列表列出所有边,而邻接集用集合确保邻居唯一性。选择合适表示法能提升代码效率和可读性,展现编程技巧。

在Python的广阔天地中,图(Graph)作为一种重要的数据结构,广泛应用于社交网络分析、路径查找、推荐系统等多个领域。掌握图的不同表示方法,不仅能够提升代码的效率与可读性,还能让你的解决方案在众多项目中脱颖而出,尽显高手风范。今天,我们就来揭秘图的N种风骚表示法,让你的代码瞬间高大上。

  1. 邻接矩阵(Adjacency Matrix)
    邻接矩阵是最直观的图的表示方法之一,它使用一个二维数组(或列表的列表)来存储图中节点之间的连接信息。如果节点i与节点j之间有边相连,则矩阵中对应位置的值(通常为1)表示存在连接;否则为0(或无穷大,表示无直接连接)。

python

示例:无向图的邻接矩阵表示

graph = [
[0, 1, 0, 0, 1],
[1, 0, 1, 1, 1],
[0, 1, 0, 1, 0],
[0, 1, 1, 0, 1],
[1, 1, 0, 1, 0]
]

访问节点1和节点3是否相连

print(graph[1][3]) # 输出: 1,表示相连

  1. 邻接表(Adjacency List)
    邻接表是另一种常用的图的表示方法,它通过列表(或字典)的列表(或字典)来存储每个节点的邻居节点。这种方式相较于邻接矩阵,在稀疏图中能大大节省空间。

python

示例:无向图的邻接表表示

graph = {
'A': ['B', 'E'],
'B': ['A', 'C', 'D', 'E'],
'C': ['B', 'D'],
'D': ['B', 'C', 'E'],
'E': ['A', 'B', 'D']
}

访问节点B的所有邻居

print(graph['B']) # 输出: ['A', 'C', 'D', 'E']

  1. 边列表(Edge List)
    边列表是一种简单的表示法,它直接列出图中所有的边。这种表示法对于需要遍历图中所有边的场景非常有用。

python

示例:无向图的边列表表示

edges = [('A', 'B'), ('B', 'C'), ('B', 'D'), ('B', 'E'), ('A', 'E'), ('C', 'D'), ('D', 'E')]

遍历所有边

for edge in edges:
print(edge)

  1. 邻接集(Adjacency Set)
    邻接集是邻接表的一种变体,它将每个节点的邻居存储在集合中,以确保邻居节点的唯一性。这在处理无向图时尤其有用,因为可以避免重复的邻居节点。

python

示例:无向图的邻接集表示

graph = {
'A': {'B', 'E'},
'B': {'A', 'C', 'D', 'E'},
'C': {'B', 'D'},
'D': {'B', 'C', 'E'},
'E': {'A', 'B', 'D'}
}

访问节点B的所有唯一邻居

print(graph['B']) # 输出: {'A', 'C', 'D', 'E'}
结语
掌握了上述图的表示方法,你便能在面对不同图算法问题时,灵活选择最适合的表示方式,从而编写出既高效又优雅的Python代码。无论是处理大规模社交网络数据,还是优化路径搜索算法,这些表示法都将是你手中的利器,让你的代码瞬间高大上。记住,选择恰当的表示法是解决问题的第一步,也是展现你Python高手风范的关键所在。

目录
相关文章
|
7天前
|
测试技术 开发者 Python
Python单元测试入门:3个核心断言方法,帮你快速定位代码bug
本文介绍Python单元测试基础,详解`unittest`框架中的三大核心断言方法:`assertEqual`验证值相等,`assertTrue`和`assertFalse`判断条件真假。通过实例演示其用法,帮助开发者自动化检测代码逻辑,提升测试效率与可靠性。
73 1
|
10天前
|
机器学习/深度学习 算法 调度
基于多动作深度强化学习的柔性车间调度研究(Python代码实现)
基于多动作深度强化学习的柔性车间调度研究(Python代码实现)
|
7天前
|
IDE 开发工具 开发者
Python类型注解:提升代码可读性与健壮性
Python类型注解:提升代码可读性与健壮性
167 102
|
21天前
|
存储 缓存 测试技术
理解Python装饰器:简化代码的强大工具
理解Python装饰器:简化代码的强大工具
|
6天前
|
存储 大数据 Unix
Python生成器 vs 迭代器:从内存到代码的深度解析
在Python中,处理大数据或无限序列时,迭代器与生成器可避免内存溢出。迭代器通过`__iter__`和`__next__`手动实现,控制灵活;生成器用`yield`自动实现,代码简洁、内存高效。生成器适合大文件读取、惰性计算等场景,是性能优化的关键工具。
74 2
|
10天前
|
安全 大数据 程序员
Python operator模块的methodcaller:一行代码搞定对象方法调用的黑科技
`operator.methodcaller`是Python中处理对象方法调用的高效工具,替代冗长Lambda,提升代码可读性与性能。适用于数据过滤、排序、转换等场景,支持参数传递与链式调用,是函数式编程的隐藏利器。
49 4
|
10天前
|
机器学习/深度学习 数据采集 并行计算
多步预测系列 | LSTM、CNN、Transformer、TCN、串行、并行模型集合研究(Python代码实现)
多步预测系列 | LSTM、CNN、Transformer、TCN、串行、并行模型集合研究(Python代码实现)
115 2
|
10天前
|
机器学习/深度学习 数据采集 算法
独家原创 | CEEMDAN-CNN-GRU-GlobalAttention + XGBoost组合预测研究(Python代码实现)
独家原创 | CEEMDAN-CNN-GRU-GlobalAttention + XGBoost组合预测研究(Python代码实现)
|
12天前
|
机器学习/深度学习 编解码 数据可视化
【能量算子】评估 EEG 中的瞬时能量:非负、频率加权能量算子(Python&Matlab代码实现)
【能量算子】评估 EEG 中的瞬时能量:非负、频率加权能量算子(Python&Matlab代码实现)
|
12天前
|
机器学习/深度学习 算法 安全
【强化学习应用(八)】基于Q-learning的无人机物流路径规划研究(Python代码实现)
【强化学习应用(八)】基于Q-learning的无人机物流路径规划研究(Python代码实现)

推荐镜像

更多