python有 n 个人，他们的编号为 1~n，其中有一些人相互认识，现在 x 想要认识 y，可以通过他所认识的人来认识更多的人（如果 a 认识 b，b 认识 c，那么 a 可以通过 b 来认识 c），求出 x 最少需要通过多少人才能认识 y。

这是一个典型的图论问题，可以使用广度优先搜索来解决。

具体的思路如下：

1. 将每个人看作图中的一个节点；
2. 如果两个人相互认识，则在它们之间连一条无向边；
3. 从 x 开始进行广度优先搜索，直到找到 y 或搜索完所有可能的路径为止；
4. 在搜索过程中，记录每个节点所在的层数，即到达该节点所需要经过的最少节点数。

最终 x 到 y 的最短路径长度即为 x 到 y 的层数。

下面是使用 Python 实现的代码：

from collections import deque

def find_shortest_path(n, edges, x, y):
    graph = [[] for _ in range(n + 1)]
    for a, b in edges:
        graph[a].append(b)
        graph[b].append(a)
    visited = set()
    queue = deque([(x, 0)])
    while queue:
        node, level = queue.popleft()
        if node == y:
            return level
        visited.add(node)
        for neighbor in graph[node]:
            if neighbor not in visited:
                queue.append((neighbor, level + 1))
    return -1  # 无法到达 y

# 测试
n = 5
edges = [(1, 2), (2, 3), (2, 4), (3, 5)]
x, y = 1, 5
print(find_shortest_path(n, edges, x, y))  # 输出 3

在上面的代码中，`n` 表示人的总数，`edges` 是一个列表，每个元素是一个二元组 `(a, b)`，表示编号为 `a` 和 `b` 的人相互认识；`x` 和 `y` 分别表示要寻找的起点和终点。

函数 `find_shortest_path` 的返回值为 `x` 到 `y` 的最短路径长度，如果无法到达 `y`，则返回 `-1`。