如何使用Python中的字典和集合数据结构来模拟并计算一个有向图中特定节点的入度、出度，以及展示该节点与其他所有节点之间的进出关系？

在Python中，可以使用字典和集合来模拟和计算有向图的数据结构。对于每个节点，你可以创建一个字典来存储其邻接节点及其对应的边权重，如果无权重则可以认为边权重为1。这里是一个基本的例子：

# 创建一个空字典表示无向图
graph = {}

# 添加节点和边到字典中
def add_edge(src, dest):
    if src not in graph:
        graph[src] = set()
    graph[src].add(dest)

# 计算节点的入度（从其他节点指向它的边的数量）
def in_degree(node):
    return len(graph.get(node, set()))

# 计算节点的出度（它指向其他节点的边的数量）
def out_degree(node):
    if node in graph:
        return len(graph[node])
    else:
        return 0

# 展示节点与其邻居的关系
def show_relations(node):
    neighbors = graph.get(node, set())
    print(f"{node}的邻居: {neighbors}")

# 使用例子
add_edge("A", "B")
add_edge("B", "C")
add_edge("C", "D")
add_edge("A", "D")

print(f"节点A的入度: {in_degree('A')}")
print(f"节点B的出度: {out_degree('B')}")
show_relations('A')

在这个例子中，`graph`字典的键是源节点，值是目标节点的集合。`in_degree`和`out_degree`函数分别通过检查节点是否存在于字典和获取其对应的集合大小来计算度数。`show_relations`函数打印出指定节点的所有邻居。