图数据结构
除 「遍历 + 访问」 这两种数据结构相关的基本算法外。图这种数据结构还有⼀些⽐较特殊的算法，⽐如⼆分图判断，有环图⽆环图的判断，拓扑排序，以及最经典的最⼩⽣成树，单源最短路径问题，更难的就是类似⽹络流这样的问题。
本⽂就结合具体的算法题，来说两个图论算法：有向图的环检测、拓扑排序算法。
课程表
解法：深度优先遍历（DFS）
可以将图结构类比为多叉树的遍历，添加⼀个布尔数组 onPath 记录当前
遍历 经过的路径：在进⼊节点 s 的时候将 onPath[s] 标记为 true，离开时标记回 false，如果发现 onPath[s] 已经被标记，说明出现了环。
这样，就可以在遍历图的过程中顺便判断是否存在环了，完整代码如下：
class Solution:
def canFinish(self, numCourses: int, prerequisites: List[List[int]]) -> bool:
graph = collections.defaultdict(list)
for i in range(numCourses):
graph[i] = []
for courses in prerequisites:
graph[courses[1]].append(courses[0])
hasCycle = False
onPath = collections.defaultdict(bool)
visited = set([])
def traverse(node):
nonlocal graph
nonlocal onPath
nonlocal hasCycle
if onPath[node]:
hasCycle = True
return
if node in visited:
return
visited.add(node)
onPath[node] = True
for subNode in graph[node]:
traverse(subNode)
onPath[node] = False
for node in graph:
traverse(node)
return not hasCycle课程表2
解法：拓扑排序（正向思维）
正向思维：每个状态下选择1门入度为0的课程去上（即不需要前置课程），若没有可供选择的课程，则退出选择。若选择课程数量等于numCourses则返回选择结果，否则表明内部存在环结构，返回空列表。
具体步骤如下：
- 从 DAG 图（有向无环图）中选择一个 没有前驱（即入度为0）的顶点并输出。
- 从图中删除该顶点和所有以它为起点的有向边。
- 重复 1 和 2 直到当前的 DAG 图为空或当前图中不存在无前驱的顶点为止。后一种情况说明有向图中必然存在环。
示例如下：
上述解法中，在构造图的过程中，除了要创建邻接表外，还需要维护一个入度字典用于存储图中各个节点的入度。
class Solution:
def findOrder(self, numCourses: int, prerequisites: List[List[int]]) -> List[int]:
graph, indegrees = self.buildGraph(numCourses, prerequisites)
# 入度为0的节点队列
nodeSet = []
# 初始化节点队列
for node in indegrees:
if indegrees[node] == 0:
nodeSet.append(node)
result = []
# 当没有可供选择的节点，退出循环
while nodeSet:
# 被选择节点，从图中删除
node = nodeSet.pop()
result.append(node)
# 更新删除node节点后图中相关节点的入度信息，若为0则加入待选择队列中
for nextNode in graph[node]:
indegrees[nextNode] -= 1
if indegrees[nextNode] == 0:
nodeSet = [nextNode] + nodeSet
if len(result) == numCourses:
return result
else:
return []
def buildGraph(self, numCourses, prerequisites):
# 邻接表和入度字典
graph = collections.defaultdict(list)
indegrees = {}
for i in range(numCourses):
graph[i] = []
indegrees[i] = 0
for courses in prerequisites:
graph[courses[1]].append(courses[0])
indegrees[courses[0]] += 1
return graph, indegrees解法2：拓扑排序（逆向思维）
我们观察到图结构的后序遍历，是在遍历左右子树后再处理根节点，此情况下代入该题，表明其前置课程都已满足，可以选择根节点课程。因此对DAG的后序遍历结果为拓扑排序的逆序结果。
class Solution:
def findOrder(self, numCourses: int, prerequisites: List[List[int]]) -> List[int]:
# 邻接表
graph = self.buildGraph(numCourses, prerequisites)
# 存储后续遍历结果
result = []
# 判断当前节点是否访问过
visited = set()
# 判断是否存在环结构
onPath = collections.defaultdict(bool)
hasCycle = False
def traverse(node):
nonlocal visited
nonlocal result
nonlocal graph
nonlocal hasCycle
if onPath[node]:
hasCycle = True
return
if node in visited:
return
visited.add(node)
onPath[node] = True
for subNode in graph[node]:
traverse(subNode)
result.append(node)
onPath[node] = False
for node in graph:
traverse(node)
# 若无环，逆后序遍历结果即为拓扑排序结果
return [] if hasCycle else result[::-1]
def buildGraph(self, numCourses, prerequisites):
graph = collections.defaultdict(list)
for i in range(numCourses):
graph[i] = []
for courses in prerequisites:
graph[courses[1]].append(courses[0])
return graph总结
一、什么是拓扑排序
在图论中，拓扑排序（Topological Sorting）是一个有向无环图（DAG, Directed Acyclic Graph）的所有顶点的线性序列。且该序列必须满足下面两个条件：
- 每个顶点出现且只出现一次。
- 若存在一条从顶点 A 到顶点 B 的路径，那么在序列中顶点 A 出现在顶点 B 的前面。
有向无环图（DAG）才有拓扑排序，非DAG图没有拓扑排序一说。
二、图的遍历框架
图和多叉树最⼤的区别是，图是可能包含环的，你从图的某⼀个节点开始遍历，有可能⾛了⼀圈⼜回到这个节点。
所以，如果图包含环，遍历框架就要⼀个 visited 数组进⾏辅助：
