完成图的深度优先遍历算法、广度优先遍历算法。其中，邻接表的 创建相当于创建多个单链表。

好的，我可以帮你回答这个问题。

首先，我们先来看一下图的深度优先遍历算法（DFS）：

visited = set()  # 存储已经访问过的节点

def dfs(graph, node):
    if node not in visited:
        print(node)
        visited.add(node)
        for neighbor in graph[node]:
            dfs(graph, neighbor)

其中，`graph` 表示邻接表，`node` 表示当前访问的节点。在函数中，我们首先判断当前节点是否已经被访问过，如果没有，则输出当前节点，并将其添加到 `visited` 集合中，然后递归访问当前节点的所有邻居节点。

接下来，我们再来看一下图的广度优先遍历算法（BFS）：

from collections import deque

def bfs(graph, start):
    visited = set()  # 存储已经访问过的节点
    queue = deque([start])  # 存储待访问的节点

    while queue:
        node = queue.popleft()
        if node not in visited:
            print(node)
            visited.add(node)
            for neighbor in graph[node]:
                queue.append(neighbor)

同样，`graph` 表示邻接表，`start` 表示起始节点。在函数中，我们使用 `deque` 来存储待访问的节点，然后依次从队列中取出节点，判断是否已经被访问过，如果没有，则输出当前节点，并将其添加到 `visited` 集合中，然后将当前节点的所有邻居节点加入到队列中。

至于邻接表的创建，可以使用一个字典来表示，其中字典的键表示节点，字典的值表示与该节点相邻的节点列表。例如：

graph = {
    'A': ['B', 'C'],
    'B': ['A', 'C', 'D'],
    'C': ['A', 'B', 'D', 'E'],
    'D': ['B', 'C', 'E', 'F'],
    'E': ['C', 'D'],
    'F': ['D']
}

这个邻接表表示了一个无向图，其中节点 A 与节点 B、C 相邻，节点 B 与节点 A、C、D 相邻，依此类推。

希望这个回答能够帮助到你，如果还有问题，请随时提出。