写一串代码，使其可以做到1.深度优先遍历，并输出遍历序列； 2.广度优先遍历，并输出遍历序列； 3.求源点到图中每个点的最短路径，并输出；

好的，以下是一份示例代码，可以实现你所需要的三个功能：

import queue

# 定义图的邻接矩阵，这里使用二维列表表示
graph = [
    [0, 1, 1, 0, 0, 0],
    [1, 0, 0, 1, 1, 0],
    [1, 0, 0, 0, 0, 1],
    [0, 1, 0, 0, 0, 1],
    [0, 1, 0, 0, 0, 1],
    [0, 0, 1, 1, 1, 0],
]

# 定义深度优先遍历函数
def dfs(graph, start, visited=None):
    if visited is None:
        visited = set()
    visited.add(start)
    print(start, end=' ')
    for next_node, connected in enumerate(graph[start]):
        if connected and next_node not in visited:
            dfs(graph, next_node, visited)

# 定义广度优先遍历函数
def bfs(graph, start):
    visited = set()
    q = queue.Queue()
    q.put(start)
    visited.add(start)
    while not q.empty():
        node = q.get()
        print(node, end=' ')
        for next_node, connected in enumerate(graph[node]):
            if connected and next_node not in visited:
                q.put(next_node)
                visited.add(next_node)

# 定义最短路径函数
def shortest_path(graph, start):
    dist = [float('inf')] * len(graph)
    dist[start] = 0
    q = queue.Queue()
    q.put(start)
    while not q.empty():
        node = q.get()
        for next_node, connected in enumerate(graph[node]):
            if connected and dist[node] + 1 < dist[next_node]:
                dist[next_node] = dist[node] + 1
                q.put(next_node)
    return dist

# 深度优先遍历
print('深度优先遍历：')
dfs(graph, 0)
print()

# 广度优先遍历
print('广度优先遍历：')
bfs(graph, 0)
print()

# 最短路径
print('最短路径：')
dist = shortest_path(graph, 0)
print(dist)

在这个示例代码中，我们使用了以下三个函数：

- `dfs(graph, start, visited=None)`：深度优先遍历函数，其中 `graph` 表示邻接矩阵，`start` 表示遍历的起点，`visited` 表示已经访问过的节点集合，如果 `visited` 为 `None`，则表示还没有访问任何节点。该函数会输出遍历序列。
- `bfs(graph, start)`：广度优先遍历函数，与深度优先遍历函数类似，其中 `graph` 和 `start` 含义相同，该函数也会输出遍历序列。
- `shortest_path(graph, start)`：最短路径函数，其中 `graph` 和 `start` 含义相同，该函数会返回一个列表，表示源点 `start` 到图中每个点的最短路径长度。在本示例代码中，我们使用了队列 `queue.Queue()` 来辅助实现广度优先遍历和最短路径算法。

当然，在实际应用中，以上三个函数的具体实现会因为不同的应用场景而有所不同。