python 遍历graph

在Python中，可以使用以下代码遍历图：

# 创建一个图的邻接表表示
graph = {
    'A': ['B', 'C'],
    'B': ['D', 'E'],
    'C': ['F'],
    'D': [],
    'E': ['F'],
    'F': []
}

# 深度优先遍历
def dfs(node):
    visited.add(node)
    print(node)
    for neighbor in graph[node]:
        if neighbor not in visited:
            dfs(neighbor)

# 广度优先遍历
def bfs(start):
    visited, queue = set(), [start]
    while queue:
        node = queue.pop(0)
        if node not in visited:
            visited.add(node)
            print(node)
            queue.extend([n for n in graph[node] if n not in visited])

其中，深度优先遍历使用递归实现，从起始节点开始遍历，并递归遍历其所有未被访问过的邻居节点；广度优先遍历使用队列实现，从起始节点开始遍历，将其邻居节点加入队列，并逐个访问队列中的节点。

相关问题

python 遍历图

在 Python 中，你可以使用邻接表或邻接矩阵来表示图，然后使用递归或迭代算法来遍历图。以下是使用邻接表和深度优先遍历算法来遍历无向图的示例代码：

class Graph:
    def __init__(self):
        self.graph = {}

    def add_edge(self, u, v):
        if u not in self.graph:
            self.graph[u] = []
        if v not in self.graph:
            self.graph[v] = []
        self.graph[u].append(v)
        self.graph[v].append(u)

    def DFS(self, v, visited):
        visited.add(v)
        print(v, end=' ')

        for neighbor in self.graph[v]:
            if neighbor not in visited:
                self.DFS(neighbor, visited)

    def DFS_traversal(self):
        visited = set()
        for vertex in self.graph:
            if vertex not in visited:
                self.DFS(vertex, visited)

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

g.DFS_traversal()

这段代码使用了深度优先遍历算法来遍历无向图，输出结果为：0 1 2 3。

你也可以使用广度优先遍历算法来遍历图。

用python遍历读取images文件夹里的图片和image_enbeded文件夹里的图片，根据序号一一对应，用tensorflow库进行PSNR峰值信噪比计算

以下是可能的实现：

import os
import tensorflow as tf

# 定义图片文件夹路径
img_folder = 'images'
img_embed_folder = 'image_enbeded'

# 获取图片文件夹和图片编码文件夹中的所有文件名
img_filenames = sorted(os.listdir(img_folder))
img_embed_filenames = sorted(os.listdir(img_embed_folder))

# 检查文件名是否一一对应
assert len(img_filenames) == len(img_embed_filenames)

# 创建计算PSNR的TensorFlow图
with tf.Graph().as_default(), tf.Session() as sess:
    # 创建输入placeholder
    img_ph = tf.placeholder(tf.uint8, [None, None, 3])
    img_embed_ph = tf.placeholder(tf.uint8, [None, None, 3])
    
    # 转换为float类型
    img = tf.image.convert_image_dtype(img_ph, tf.float32)
    img_embed = tf.image.convert_image_dtype(img_embed_ph, tf.float32)
    
    # 计算PSNR
    psnr = tf.image.psnr(img, img_embed, max_val=1.0)
    
    # 循环遍历所有图片
    for i in range(len(img_filenames)):
        # 读取图片
        img_path = os.path.join(img_folder, img_filenames[i])
        img_embed_path = os.path.join(img_embed_folder, img_embed_filenames[i])
        img_data = tf.gfile.FastGFile(img_path, 'rb').read()
        img_embed_data = tf.gfile.FastGFile(img_embed_path, 'rb').read()
        img_tensor = tf.image.decode_jpeg(img_data)
        img_embed_tensor = tf.image.decode_jpeg(img_embed_data)
        
        # 运行计算PSNR的图
        psnr_value = sess.run(psnr, feed_dict={img_ph: img_tensor, img_embed_ph: img_embed_tensor})
        
        # 输出结果
        print('Image {}: PSNR = {:.2f}'.format(i+1, psnr_value))

这段代码首先定义了图片文件夹的路径和图片编码文件夹的路径，然后获取所有文件名并检查它们是否一一对应。接下来，创建了一个TensorFlow图，用于计算PSNR。该图包含了两个输入placeholder，用于传递两张图片的数据。首先将图片的数据转换为float类型，然后计算PSNR。在循环遍历所有图片时，读取图片数据并将其传递给计算PSNR的图。最后，输出结果。