其他
数据结构图在python中的应用
程序世界里，有很多的数据结构，比如：堆、栈、链表等等，今天要讲的就是图数据结构啦。
相信大家都使用过或者听说过图数据库吧，我们就来看看最简单的图数据结构算法。
从上图能看出，比如节点A可以到达C、D、B，节点B只能到达E。
ok，这就是最基本的了，接下来来了解下游戏规则，我们需要列出所有可能的路径，比如：列出A到E的所有路径。
而在代码里，我们可能需要首先通过 字典+列表 的方式给出路径的设计，比如：
Graph = {'A': ['B', 'C', 'D'],
'B': ['E'],
'C': ['D', 'F'],
'D': ['B', 'E', 'G'],
'E': [],
'F': ['D', 'G'],
'G': ['E']}在接下来，我们需要告诉程序，我们需要从哪里开始，走到哪里去，也就是常说的起始点和终点。
search_graph(Graph, 'A', 'E')def search_graph(graph: dict, start, end):
_ret = []
generate_path(graph, [start], end, _ret)
# 这一步的排序可有可无，只不过为了显示好看
_ret.sort(key=lambda x: len(x))
return _ret
def generate_path(graph: dict, path, end, ret: list):
_state = path[-1]
# 如果起始点和终点是同一个位置，则结束
if _state == end:
ret.append(path)
else:
for _item in graph[_state]:
if _item not in path:
# path + [_item] 就是递归调用的关键参数，path的组成
generate_path(graph, path + [_item], end, ret)
if __name__ == '__main__':
_GRAPH = {'A': ['B', 'C', 'D'],
'B': ['E'],
'C': ['D', 'F'],
'D': ['B', 'E', 'G'],
'E': [],
'F': ['D', 'G'],
'G': ['E']}
_ret = search_graph(_GRAPH, 'A', 'E')
print("******************")
print(' path A to E')
print("******************")
for i in _ret:
print(i)结果如下图：
主要的逻辑，大家可以拿张纸出来画画，有什么不懂的，也可以加群来聊。
好啦，今天的内容就到这了，感兴趣的你，可以试试能不能走出来～
所有的代码都已上传至我的github：https://github.com/MiracleYoung/exercises
如果你对今天的内容还感兴趣的话，何不点个赞再走呢？
如果感兴趣到想赞赏我，就不要犹豫啦～
目前我开了2个主群，我邀请了一些我的BAT伙伴前来助阵。定期也会在群里组织抽奖、送书等活动。更有各种资源分享。
目前2个主群都以过百，想要加入的小伙伴，可以加我微信，我拉你们，或者公众号回复关键“关注作者”。
另外：「高级群」已经升级啦！如果你错过了种子轮，难道还要错过天使轮吗？群内不定期组织红包接龙，每天中午1小时的随即话题讨论，没有广告，只聊技术、生活，这样的群上哪找？