图的广度优先遍历与深度优先遍历在数据结构中的代码

广度优先遍历（BFS）和深度优先遍历（DFS）是图的两种常用遍历方式，在数据结构中的代码如下：

# 图的广度优先遍历
from collections import deque

def bfs(graph, start):
    visited = set()  # 记录已经遍历过的节点
    queue = deque([start])  # 将起始节点加入队列
    while queue:
        vertex = queue.popleft()  # 取出队列中的第一个节点
        if vertex not in visited:
            visited.add(vertex)  # 将该节点标记为已遍历
            neighbors = graph[vertex]  # 获取该节点的邻居节点
            queue.extend(neighbors)  # 将邻居节点加入队列
    return visited
    
# 图的深度优先遍历
def dfs(graph, start, visited=None):
    if visited is None:
        visited = set()
    visited.add(start)  # 将该节点标记为已遍历
    for next in graph[start]:  # 遍历该节点的邻居节点
        if next not in visited:
            dfs(graph, next, visited)  # 对未遍历的邻居节点递归调用dfs函数
    return visited

其中，`graph`表示图的邻接表，`start`表示起始节点。在广度优先遍历中，我们使用`deque`双端队列来存储节点，每次从队列左侧取出第一个节点进行遍历；在深度优先遍历中，我们使用递归的方式对每个节点的邻居节点进行遍历。两种方法都使用一个`visited`集合来记录已经遍历过的节点，防止重复遍历。