图（Graph）
图（Graph）是一种非常重要的数据结构，用于表示对象之间的关系。图由节点（或顶点）和边组成，其中节点表示对象，边表示对象之间的关系。图在许多应用中都有广泛的用途，如网络设计、路由算法、社交网络分析、地图导航等。
图的基本概念：
-
节点 (Vertex 或 Node)：图中的一个元素。节点可以表示任何类型的对象，如人、城市、交易等。
-
边 (Edge)：连接两个节点的线段。边可以是有向的或无向的，有权的或无权的。
-
邻接：如果两个节点之间存在边，则它们被称为邻接节点。
图的分类：
-
无向图 (Undirected Graph)：所有边都没有方向。
-
有向图 (Directed Graph 或 Digraph)：边有方向，从一个节点指向另一个节点。
-
加权图 (Weighted Graph)：边带有权重或成本。
-
稀疏图和稠密图：根据边的数量，图可以进一步分类为稀疏图（边的数量较少）和稠密图（边的数量较多）。
图的表示方法：
-
邻接矩阵 (Adjacency Matrix)：使用二维数组表示节点之间的关系。对于无向图，矩阵是对称的；对于有向图，不一定对称。
-
邻接表 (Adjacency List)：使用列表（如数组、链表）表示每个节点及其邻接节点。对于加权图，还可以存储边的权重。
基本操作：
-
添加节点和边：在图中添加新的节点和边。
-
删除节点和边：从图中删除特定的节点和边。
-
遍历图：访问图中的所有节点和边，常见的方法包括深度优先搜索 (DFS) 和广度优先搜索 (BFS)。
-
查找路径和最短路径：查找两个节点之间的路径，或者找到图中的最短路径。
应用场景：
-
网络设计和分析：如社交网络、Internet、通信网络等。
-
算法设计：如最短路径算法、图论算法、拓扑排序等。
-
数据结构和算法：图是许多高级数据结构和算法的基础，如树、堆、哈希表等。
总结：
图是一种较为复杂的非线性结构。
线性数据结构的元素满足唯一的线性关系，每个元素(除第一个和最后一个外)只有一个直接前趋和一个直接后继。树形数据结构的元素之间有着明显的层次关系。但是，树形结构的元素之间的关系是任意的。
「何为图呢？」「G(V,E)」，其中，G 表示一个图，V 表示顶点的集合，E 表示边的集合。
下图所展示的就是图这种数据结构，并且还是一张有向图。
图
图在我们日常生活中的例子很多！比如我们在社交软件上好友关系就可以用图来表示。
图的基本概念
顶点
图中的数据元素，我们称之为顶点，图至少有一个顶点（非空有穷集合）
对应到好友关系图，每一个用户就代表一个顶点。
边
顶点之间的关系用边表示。
对应到好友关系图，两个用户是好友的话，那两者之间就存在一条边。
度
度表示一个顶点包含多少条边，在有向图中，还分为出度和入度，出度表示从该顶点出去的边的条数，入度表示进入该顶点的边的条数。
对应到好友关系图，度就代表了某个人的好友数量。
无向和有向
边表示的是顶点之间的关系，有的关系是双向的，比如同学关系，A 是 B 的同学，那么 B 也肯定是 A 的同学，那么在表示 A 和 B 的关系时，就不用关注方向，用不带箭头的边表示，这样的图就是无向图。
有的关系是有方向的，比如父子关系，师生关系，微博的关注关系，A 是 B 的爸爸，但 B 肯定不是 A 的爸爸，A 关注 B，B 不一定关注 A。在这种情况下，我们就用带箭头的边表示二者的关系，这样的图就是有向图。
无权和带权
对于一个关系，如果我们只关心关系的有无，而不关心关系有多强，那么就可以用无权图表示二者的关系。
对于一个关系，如果我们既关心关系的有无，也关心关系的强度，比如描述地图上两个城市的关系，需要用到距离，那么就用带权图来表示，带权图中的每一条边一个数值表示权值，代表关系的强度。
