在邻接链表数据结构中，Prim算法的具体实现步骤是什么？能否提供一个使用Prim算法求最小生成树的示例代码片段？

在邻接链表表示图的数据结构中，Prim算法用于寻找带权无向图的最小生成树，其基本步骤如下：

1. 初始化：选择一个顶点（通常是任意一个）作为起点，并将其加入到已访问集合中。
2. 扩展：对于未访问的所有邻居，计算它们到已访问顶点的距离。选取距离最短的那个邻居，如果它是新发现的，则添加到已访问集合并更新边权重。
3. 重复：直到所有顶点都被访问过，或无法找到更小权重的边。

这是一个简单的Python代码片段，使用邻接链表和优先队列实现Prim算法：

import heapq

def prim(graph, start):
    visited = {start: 0}
    edges = [(weight, neighbor) for neighbor, weight in graph[start].items()]
    heap = [(0, start)]
    
    while edges:
        _, current = heapq.heappop(heap)
        
        if current not in visited:
            visited[current] = True
            for neighbor, weight in graph[current].items():
                if neighbor not in visited:
                    heapq.heappush(heap, (weight, neighbor))
    
    return visited, sum(visited.values()) - graph[start][start]

# 示例图，邻接链表表示法
graph = {
    'A': {'B': 2, 'D': 4},
    'B': {'A': 2, 'C': 1, 'D': 5},
    'C': {'B': 1, 'E': 7},
    'D': {'A': 4, 'B': 5, 'E': 9},
    'E': {'C': 7, 'D': 9}
}

start_node = 'A'
min_tree, min_cost = prim(graph, start_node)
print(f"Minimum spanning tree with cost {min_cost}:")
for node, is_visited in min_tree.items():
    if is_visited:
        print(f"{node} - ", end="")

在这个例子中，`graph`是一个字典，键是节点，值是另一个字典，表示连接到其他节点的边及其权重。`prim`函数返回最小生成树以及最小总成本。