图的广度优先搜索 实现一个函数 `dfs`，接受一个有向图和起始节点作为参数，并返回从起始节点开始的深度优先搜索遍历结果。 要求使用递归方式实现深度优先搜索算法。

抱歉，您提到的是广度优先搜索，而不是深度优先搜索。下面是广度优先搜索的实现，使用队列实现：

from collections import deque

def bfs(graph, start):
    visited = set()  # 记录已经访问过的节点
    queue = deque([start])  # 初始化队列，将起始节点加入队列
    visited.add(start)  # 将起始节点标记为已访问
    result = []  # 记录遍历的结果

    while queue:  # 队列不为空
        node = queue.popleft()  # 取出队首节点
        result.append(node)  # 将节点加入遍历结果中
        for neighbor in graph[node]:  # 遍历当前节点的邻居节点
            if neighbor not in visited:  # 如果邻居节点没有被访问过
                visited.add(neighbor)  # 标记为已访问
                queue.append(neighbor)  # 将邻居节点加入队列

    return result

其中，`graph` 表示有向图，使用字典表示。字典的键为节点，值为该节点的邻居节点列表。`start` 表示起始节点。函数返回从起始节点开始的广度优先搜索遍历结果。

相关问题

用python完成以下题目代码 题目一：链表实现 创建一个 `LinkedList` 实例，进行以下操作： - 在链表末尾添加节点值为 1。 - 在链表末尾添加节点值为 2。 - 在链表末尾添加节点值为 3。 - 打印链表中所有节点的值。 - 删除节点值为 2 的节点。 - 打印链表中所有节点的值。 题目二：二分查找： 实现一个函数 `binary_search`，接受一个已排序的整数列表 `nums` 和一个目标值 `target`，返回目标值在列表中的索引位置。如果目标值不存在于列表中，则返回 -1。 要求使用迭代方式实现二分查找算法。 题目三：选择排序 实现一个函数 `selection_sort`，接受一个整数列表作为参数，并返回排序后的列表。 要求使用选择排序算法对列表进行排序。 题目四：图的广度优先搜索 实现一个函数 `dfs`，接受一个有向图和起始节点作为参数，并返回从起始节点开始的深度优先搜索遍历结果。 要求使用递归方式实现深度优先搜索算法。

题目一：

class Node:
    def __init__(self, data):
        self.data = data
        self.next = None

class LinkedList:
    def __init__(self):
        self.head = None

    def addNode(self, data):
        newNode = Node(data)
        if self.head is None:
            self.head = newNode
        else:
            current = self.head
            while current.next is not None:
                current = current.next
            current.next = newNode
    
    def printList(self):
        current = self.head
        while current is not None:
            print(current.data)
            current = current.next

    def deleteNode(self, data):
        current = self.head
        if current is not None and current.data == data:
            self.head = current.next
            current = None
            return
        else:
            while current is not None:
                if current.data == data:
                    break
                prev = current
                current = current.next
            
            if current == None:
                return
            
            prev.next = current.next
            current = None

# Create a linked list instance
linkedList = LinkedList()

# Add nodes to the linked list
linkedList.addNode(1)
linkedList.addNode(2)
linkedList.addNode(3)

# Print all nodes in the linked list
linkedList.printList()

# Delete the node with value 2
linkedList.deleteNode(2)

# Print all nodes in the linked list again
linkedList.printList()

题目二：

def binary_search(nums, target):
    left = 0
    right = len(nums) - 1
    
    while left <= right:
        mid = (left + right) // 2
        if nums[mid] == target:
            return mid
        elif nums[mid] > target:
            right = mid - 1
        else:
            left = mid + 1
    
    return -1

# Example usage
nums = [1, 3, 5, 7, 9]
target = 5
result = binary_search(nums, target)
print(result)

题目三：

def selection_sort(nums):
    for i in range(len(nums)):
        min_index = i
        for j in range(i+1, len(nums)):
            if nums[j] < nums[min_index]:
                min_index = j
        
        nums[i], nums[min_index] = nums[min_index], nums[i]
    
    return nums

# Example usage
nums = [64, 25, 12, 22, 11]
sorted_nums = selection_sort(nums)
print(sorted_nums)

题目四：

def dfs(graph, start, visited=None):
    if visited is None:
        visited = set()
    visited.add(start)
    print(start)

    for next_node in graph[start] - visited:
        dfs(graph, next_node, visited)

    return visited

# Example usage
graph = {'A': set(['B', 'C']),
         'B': set(['A', 'D', 'E']),
         'C': set(['A', 'F']),
         'D': set(['B']),
         'E': set(['B', 'F']),
         'F': set(['C', 'E'])}

dfs(graph, 'A')

图的建立和广度优先搜索和深度优先搜素遍历完整代码

先来看看图的建立。以下是一个有向图的建立过程：

from collections import defaultdict

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

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

这里使用了一个 defaultdict 来存储图的信息，每个节点对应一个列表，存储与该节点相邻的节点。

接下来是广度优先搜索的代码：

from collections import deque

def bfs(graph, start):
    visited = set()
    queue = deque([start])

    while queue:
        vertex = queue.popleft()
        if vertex not in visited:
            visited.add(vertex)
            print(vertex)
            queue.extend(graph[vertex] - visited)

g = Graph()
g.add_edge(0, 1)
g.add_edge(0, 2)
g.add_edge(1, 2)
g.add_edge(2, 0)
g.add_edge(2, 3)
g.add_edge(3, 3)

bfs(g.graph, 2)

在广度优先搜索中，我们使用了一个队列来存储待处理的节点。我们从起始节点开始，将其加入队列中，然后遍历队列中的每个节点，将其相邻的节点加入队列中。在遍历过程中，我们还需要使用一个 visited 集合来记录已经遍历过的节点，避免重复遍历。

最后是深度优先搜索的代码：

def dfs(graph, start):
    visited = set()

    def dfs_helper(vertex):
        visited.add(vertex)
        print(vertex)
        for neighbor in graph[vertex]:
            if neighbor not in visited:
                dfs_helper(neighbor)

    dfs_helper(start)

g = Graph()
g.add_edge(0, 1)
g.add_edge(0, 2)
g.add_edge(1, 2)
g.add_edge(2, 0)
g.add_edge(2, 3)
g.add_edge(3, 3)

dfs(g.graph, 2)

在深度优先搜索中，我们使用了递归来遍历每个节点。我们从起始节点开始，遍历其相邻的节点，对于每个相邻的节点，如果它没有被访问过，就递归调用 dfs_helper 函数。在遍历过程中，我们同样需要使用一个 visited 集合来记录已经遍历过的节点，避免重复遍历。