面向对象Python图的遍历代码

在Python中，我们可以使用类来表示图，常用的遍历算法有深度优先搜索（DFS）和广度优先搜索（BFS）。以下是一个简单的示例代码，使用DFS遍历图：

class Graph:
    def __init__(self, vertices):
        self.V = vertices
        self.graph = defaultdict(list)

    def add_edge(self, u, v):
        self.graph[u].append(v)

    def DFS_util(self, v, visited):
        visited.add(v)
        print(v, end=' ')

        for neighbour in self.graph[v]:
            if neighbour not in visited:
                self.DFS_util(neighbour, visited)

    def DFS(self, start):
        visited = set()
        self.DFS_util(start, visited)

这里我们使用了Python中的`defaultdict`来表示邻接表，其中`add_edge`方法用于添加边。`DFS_util`方法实现了递归的深度优先遍历，其中`visited`用于记录已经遍历过的节点，`print`语句用于输出遍历结果。`DFS`方法则是对外的接口方法，接收一个起点作为参数。

如果你想使用BFS算法遍历图，则可以使用Python内置的队列数据结构来实现。以下是一个简单的示例代码：

from collections import deque

class Graph:
    def __init__(self, vertices):
        self.V = vertices
        self.graph = defaultdict(list)

    def add_edge(self, u, v):
        self.graph[u].append(v)

    def BFS(self, start):
        visited = set()
        queue = deque([start])
        visited.add(start)

        while queue:
            v = queue.popleft()
            print(v, end=' ')

            for neighbour in self.graph[v]:
                if neighbour not in visited:
                    visited.add(neighbour)
                    queue.append(neighbour)

这里我们使用了Python内置的双端队列`deque`来作为BFS算法中的队列数据结构。`BFS`方法使用了迭代的方式进行广度优先遍历，同样也是接收一个起点作为参数。