Python手撕广度优先遍历
在谈广度优先遍历之前，我们需要知道图是什么。
1.图
图（graph）是表示物件与物件之间关系的数学对象，是图论的基本研究对象，图由节点（node）和边（edge）组成。图分为两种：1.有向图、2.无向图。
1.1有向图
有向图就类似于我们去打牌，如果A欠B5元，则有一条线段从A指向B，如果B欠A5元，那么就又有一条线由B指向A，这个5元我们称之为权重（weight）。
1.2 无向图
如果有一条线段是由A指向B，并且B指向A。那么这两条线段可以合成一条无箭头的线段在A于B中间。
如果当参加打牌的人数变多时，关系也会变的复杂，如下图所示
上面表示ALEX欠RAMA钱，RAMA欠ADIT钱，TOM欠RAMA和ADIT的钱。
就这么简单！图由节点和边组成。一个节点可能与众多节点直接相连，这些节点被称为邻居。在前面的欠钱图中，Rama是Alex的邻居。Adit不是Alex的邻居，因为他们不直接相连。但Adit既 是Rama的邻居，又是Tom的邻居。
图用于模拟不同的东西是如何相连的。
2.广度优先遍历
广度优先搜索是一种用于图的查找算法，可帮助回答两类问题。
•第一类问题：从节点A出发，有前往节点B的路径吗？
•第二类问题：从节点A出发，前往节点B的哪条路径最短？
下面我们举个简单的栗子来理解一下广度优先遍历的妙处。
为此，你首先在朋友中查找。这种查找很简单。首先，创建一个朋友名单。然后，一次查找名单中的每个人，看看他们是否是木材爱好者。
假设你没有朋友是木材爱好者，那么你就必须在朋友的朋友中查找。检查名单中的每个人时，你都将其朋友加入名单。
这样一来，你不仅在朋友中查找，还在朋友的朋友中查找。别忘了，你的目标是在你的人际关系网中找到一位木材爱好者。因此，如果A不是木材爱好者，就将其朋友也加入到名单中。这意味着你将在她的朋友、朋友的朋友等中查找。使用这种算法将搜遍你的整个人际关系网，直到找到木材爱好者。这就是广度优先搜索算法。
那么python中如何来实现呢？我们需要引入队列（deque）。队列支持两种操作：入队和出队。
如果你将两个元素加入队列，先加入的元素将在后加入的元素之前出队。因此，你可使用队列来表示查找名单！这样，先加入的人将先出队并先被检查。
队列是一种先进先出（First In First Out，FIFO）的数据结构，而栈是一种后进先出（Last In First Out，LIFO）的数据结构。
3.手撕代码
首先，需要使用代码来实现图。图由多个节点组成。每个节点都与邻近节点相连，如果表示类似于“你→Bob”这样的关系呢？它就是字典！
我们可以用字典来将你的所有邻居存入以你为关键字，以邻居为值的字典中。
我们现在来帮木材商(A)查找木材爱好者(I)吧
3.1 创建graph表
我们知道，对于A来说，他有["B","C","F"]三个朋友，B没有朋友，因此为[]。按照这个思路我们就可以构造出如下的一个表
graph = {}
graph["A"] = ["B","C","F"]
graph["B"] = []
graph["C"] = ["E","F","D"]
graph["D"] = ["H","G"]
graph["E"] = ["I"]
graph["F"] = []
graph["G"] = []
graph["H"] = ["I"]
graph["I"] = []
3.2 创建队列
对于队列，我们可以调用python强大的库collections里的deque(另一篇文章有讲该库，可去查看一下)来创建一个双端队列
from collections import deque # 从collections库中导入deque类
search_pepole = deque() # 创建一个队列
search_pepole += graph["A"] # 将A的朋友加入到队列中
3.3创建判断函数
def person_is_seller(person):
# 创建判断函数，查看该人是否是I
return person ==
"I"
while search_people:
# 如果队列不为空
person = search_people.popleft()
# 取出当前队列的第一个人
if person_is_seller(person):
# 检查这个人是否是I
print(person +
" is a love tree'people!")
# 是I
break
else:
search_people += graph[person]
# 如果不是，则把这个人的朋友都加入到队列中
3.4 检查代码
回去看一下代码，我们会发现，如果B是C的朋友，C是D的朋友，D又是B的朋友，那么我们就会将整个循环进入一个无限的循环之中，我们可以添加一个列表，用来存储已经被查找过的用户
def search(name):
search_people = deque() # 创建一个队列
search_people += graph[name] # 将name的朋友加入到队列中
searched = []
while search_people: # 如果队列不为空
person = search_people.popleft() # 取出当前队列的第一个人
ifnot person in searched: # 如果这个人没有被查找过
if person_is_seller(person): # 检查这个人是否是I
print(person +" is a love tree'people!") # 是I
break
else:
search_people += graph[person] # 如果不是，则把这个人的朋友都加入到队列中
returnFalse
4.完整代码
# -*- coding: utf-8 -*-
from collections import deque # 从collections库中导入deque类
graph = {}
graph["A"] = ["B", "C", "F"]
graph["B"] = []
graph["C"] = ["E", "F", "D"]
graph["D"] = ["H", "G"]
graph["E"] = ["I"]
graph["F"] = []
graph["G"] = []
graph["H"] = ["I"]
graph["I"] = []
def person_is_seller(person): # 创建判断函数，查看该人是否是I
return person =="I"
def search(name):
search_people = deque() # 创建一个队列
search_people += graph[name] # 将name的朋友加入到队列中
searched = []
while search_people: # 如果队列不为空
person = search_people.popleft() # 取出当前队列的第一个人
ifnot person in searched: # 如果这个人没有被查找过
if person_is_seller(person): # 检查这个人是否是I
print(person +" is a love tree'people!") # 是I
break
else:
search_people += graph[person] # 如果不是，则把这个人的朋友都加入到队列张红
returnFalse
search("A")