图的深度优先遍历简单例子

假设我们有以下这张图：

1 -- 2 -- 3
|    |    |
4 -- 5 -- 6

其中每个数字表示图中的一个节点，每个节点与相邻的节点用一条边相连。

深度优先遍历的基本思想是从某个节点开始，尽可能深地访问每个节点，直到所有可达节点都被访问过为止。具体实现可以使用递归或者栈。

一种深度优先遍历的顺序是按照节点的编号从小到大进行，我们可以按照这种方式进行深度优先遍历，得到以下遍历顺序：

1 -> 2 -> 3 -> 5 -> 6 -> 4

具体实现可以参考以下 Python 代码：

# 定义图的数据结构
graph = {
    1: [2, 4],
    2: [1, 3, 5],
    3: [2, 6],
    4: [1, 5],
    5: [2, 4, 6],
    6: [3, 5]
}

# 定义深度优先遍历函数
def dfs(graph, node, visited):
    visited.append(node)
    for neighbor in graph[node]:
        if neighbor not in visited:
            dfs(graph, neighbor, visited)

# 调用深度优先遍历函数
visited = []
dfs(graph, 1, visited)
print(visited)

输出结果为：`[1, 2, 3, 5, 6, 4]`。

相关问题

邻接表深度优先遍历和广度优先遍历的例子

假设我们有以下无向图的邻接表表示：

0 -> 1 -> 2
1 -> 0 -> 2 -> 3
2 -> 0 -> 1 -> 4
3 -> 1 -> 4
4 -> 2 -> 3

那么，深度优先遍历和广度优先遍历的结果如下：

深度优先遍历：

0 -> 1 -> 2 -> 4 -> 3

广度优先遍历：

0 -> 1 -> 2 -> 3 -> 4

深度优先遍历的方法是从起始节点开始，先访问与该节点相邻的第一个未被访问的节点，然后再递归访问该节点的相邻节点，直到所有的节点都被访问过为止。在上述例子中，深度优先遍历先访问了节点0，然后访问节点1，再访问节点2，再递归访问节点4和节点3。

广度优先遍历的方法是从起始节点开始，先访问与该节点相邻的所有未被访问的节点，然后再依次访问这些节点的相邻节点，直到所有的节点都被访问过为止。在上述例子中，广度优先遍历先访问了节点0，然后访问节点1和节点2，再依次访问节点3和节点4。

python深度优先遍历图

对于深度优先遍历图的问题，可以使用递归或者栈来实现。下面是一个使用递归实现深度优先遍历的示例代码：

def dfs(graph, start, visited=None):
    if visited is None:
        visited = set()
    visited.add(start)
    print(start, end=' ')
    for neighbor in graph[start]:
        if neighbor not in visited:
            dfs(graph, neighbor, visited)

这里假设图以字典的形式表示，其中键表示节点，值表示与该节点相邻的节点列表。通过调用`dfs(graph, start)`，即可从起始节点开始进行深度优先遍历。

如果你具体有一个图的例子，我可以给你更详细的代码解释。