本文目录导航：
数据结构-图的简介
举个例子，微信中许许多多的用户组成了一个多对多的好友相关网，这个相关网就是数据结构中的图(Graph)。
图，是一种比树更为复杂的数据结构，树的节点之间是一对多的相关，并且存在父与子的层级划分，而图的顶点（留意在此不叫节点）之间是多对多的相关，并且一切顶点都是对等的，次要谁是父谁是子。
在图中，最基本的单元是 顶点 ，相当于树中的节点，顶点之间的关联相关，被称为 边 。
在一些图中，每一条边并不是齐全同等的，使得边具备 权重 ，触及到权重的图，称为 带权图。
还有一些图中，顶点之间的关联并不是齐全对称的，举个例子比如说微博，你的粉丝列表里有我，但我的粉丝列表里未必有你，相似于这种双方面关注的，顶点之间的边就有了方向的辨别，这种带有方向的图称为 有向图 。
因此，综合有向无向、带权重不带权重，交叉来讲，图有带权重有向的、 带权重无向的 、不带权重的有向的、不带权重的无向的...
经常使用二维数组，表白各个顶点之间的关联相关
为了处置 邻接矩阵占用空间 的疑问，人们想到了另一种图的示意方法：邻接表 在邻接表中，图的每一个顶点都是一个链表的头节点，其后衔接着该顶点能够间接到达的相邻顶点(在有向图中更能表现长处）
另外，其余示意方法：逆邻接表、十字链表...，在此不过多引见了就。
即从图的某个顶点登程， 访问图中的一切顶点，且使每个顶点仅被访问一次性 ，这个环节为图的遍历。
方法：BFS、DFS（详细引见在之后章节，敬请等候。
。
。
）
数据结构——图的定义与性质
图 (Graph) 是由若干给定的顶点及衔接两顶点的边所导致的图形，这种图形理论用来形容某些事物之间的某种特定相关。
顶点用于代表事物，衔接两顶点的边则用于示意两个事物间具备这种相关。
图论 (Graph theory) 是数学的一个分支，图是图论的重要钻研对象。
表白式：G=(V, E) V：顶点（数据元素）的有穷非空汇合。
E：边的有穷汇合。
Graph = (Vertex, Edge)
1、 无向图 ：顶点之间相连的线咱们称为边，每条边都是有方向的。
无向图 有向图
在数据结构中图的示意方法有多少种
四种。
1、邻接矩阵
2、邻接表
3、有向图 十字链表
4、无向图 邻接多重表
罕用数据结构：数组（静态数组、灵活数组）、线性表、链表（单向链表、双向链表、循环链表）、队列、栈、树（二叉树、查找树、平衡树、线索树、线索树、堆）、图等的定义、存储和操作 · Hash（存储地址计算，抵触处置）
裁减资料：
逻辑结构包含：
1、汇合：数据结构中的元素之间除了“同属一个汇合” 的相互相关外，别无其余相关；
2、线性结构：数据结构中的元素存在一对一的相互相关；
3、树形结构：数据结构中的元素存在一对多的相互相关；
4、图形结构：数据结构中的元素存在多对多的相互相关。
