数据结构，建立一个有向图，分别利用深度优先遍历和广度优先遍历方式实现图的遍历

好的，这个问题不难，我来给您讲解一下。

首先，我们需要用一个邻接表来表示这个有向图。邻接表是一个数组，其中每个元素对应一个顶点，每个元素存储与该顶点相邻的所有顶点。例如，如果顶点 1 与顶点 2、3 相邻，那么邻接表中第 1 个元素就存储一个链表或数组，其中包含 2 和 3。

接下来，我们来看深度优先遍历（DFS）的实现。DFS 遍历过程中，从起点开始，尽可能深地访问每个可达的节点，直到到达最深的节点，然后回溯到前一个节点，继续访问其他可达节点。具体实现如下：

def dfs(graph, start):
    visited = set()  # 用一个集合来记录已经访问过的节点
    stack = [start]  # 用一个栈来记录待访问的节点
    while stack:
        node = stack.pop()  # 取出栈顶元素
        if node not in visited:
            print(node, end=' ')
            visited.add(node)
            for neighbor in graph[node]:  # 将当前节点的所有邻居入栈
                if neighbor not in visited:
                    stack.append(neighbor)

接下来，我们来看广度优先遍历（BFS）的实现。BFS 遍历过程中，从起点开始，先访问所有与起点距离为 1 的节点，然后访问所有与起点距离为 2 的节点，依此类推。具体实现如下：

def bfs(graph, start):
    visited = set()  # 用一个集合来记录已经访问过的节点
    queue = [start]  # 用一个队列来记录待访问的节点
    while queue:
        node = queue.pop(0)  # 取出队首元素
        if node not in visited:
            print(node, end=' ')
            visited.add(node)
            for neighbor in graph[node]:  # 将当前节点的所有邻居入队
                if neighbor not in visited:
                    queue.append(neighbor)

好了，以上就是建立有向图并用 DFS 和 BFS 实现图的遍历的过程，希望能对您有所帮助！