如何在Python中实现图的数据结构并使用邻接表进行存储，然后再进行图的深度优先遍历

在Python中，可以使用内置的数据结构如列表或字典来实现图数据结构，并利用邻接表的方式进行存储。邻接表是一种常用表示图的方式，它包含两个主要部分：

1. **节点（Vertices）**: 表示图中的每个元素，通常是一个列表或者字典，其中键是节点本身，值是与其相连的边的集合。

2. **边（Edges）**: 使用邻接表，对于每一个节点，其对应的值就是一个列表，包含了连接该节点的所有其他节点。

下面是一个简单的邻接表实现：

class Graph:
    def __init__(self):
        self.vertices = {}  # 使用字典作为邻接表

    def add_vertex(self, vertex):
        if vertex not in self.vertices:
            self.vertices[vertex] = []

    def add_edge(self, vertex1, vertex2):
        if vertex1 in self.vertices and vertex2 in self.vertices:
            self.vertices[vertex1].append(vertex2)
            self.vertices[vertex2].append(vertex1)  # 邻接表通常是无向的，所以双向添加

# 使用示例
g = Graph()
g.add_vertex('A')
g.add_vertex('B')
g.add_vertex('C')
g.add_edge('A', 'B')
g.add_edge('B', 'C')

def depth_first_search(graph, start_vertex):
    visited = set()  # 记录已访问过的节点
    stack = [start_vertex]  # 深度优先搜索堆栈

    while stack:
        vertex = stack.pop()  # 取出下一个未访问的节点
        if vertex not in visited:
            visited.add(vertex)  # 标记节点为已访问
            print(vertex, end=' ')  # 输出节点
            for neighbor in graph.vertices[vertex]:  # 探索邻居
                stack.append(neighbor)

# 进行深度优先遍历
depth_first_search(g, 'A')  # 结果可能是 "A B C"