Python 向未加权有向图添加边的效率？
我有三个用python字典表示的图Python 向未加权有向图添加边的效率？,python,algorithm,data-structures,Python,Algorithm,Data Structures,我有三个用python字典表示的图 A: {1:[2], 2:[1,3], 3:[]}. B: {1: {neighbours:[2]}, 2: {neighbours:[1,3]}, 3: {neighbours:[]}} C: {1: {2:None}, 2: {1:None, 3:None}, 3: {}} 我有一个hasEdge和addEdge函数 def addEdge(self, source, target): assert self.hasNode(source) an
A: {1:[2], 2:[1,3], 3:[]}.
B: {1: {neighbours:[2]}, 2: {neighbours:[1,3]}, 3: {neighbours:[]}}
C: {1: {2:None}, 2: {1:None, 3:None}, 3: {}}
def addEdge(self, source, target):
assert self.hasNode(source) and self.hasNode(target)
if not self.hasEdge(source, target):
self.graph[source][target] = None
def hasEdge(self, source, target):
assert self.hasNode(source) and self.hasNode(target)
return target in self.graph[source]
我不确定哪种结构对于每个函数都最有效，我的直接想法是，第一种结构对于添加边最有效，而C对于返回边最有效，如果它有边的话C对我来说似乎是最有效的，因为你所做的查找平均为O（1）。（注意这是平均情况，不是最坏情况。）使用邻接列表，可以进行最坏情况线性搜索 对于稀疏图，您可能希望使用邻接列表（a），因为它们将占用更少的空间。然而，对于稠密图，选项C应该是最有效的 A和B将有非常相似的运行时——渐近相同。除非您希望将邻居之外的数据添加到这些节点，否则我将选择A 我不熟悉python；但是，对于Java，可以通过使用HashSet（set）来改进选项C，这将减少您的空间需求。运行时与使用HashMap相同，但集合不存储值-仅存储键，这是检查两个节点之间是否存在边所需的 因此，澄清一下： 对于运行时，选择C。您将得到平均情况O（1）边添加。为了改进C语言以减少内存消耗，可以使用集合而不是映射，这样就不必为值分配空间
对于内存，如果有稀疏图，请选择一个。您将节省大量内存，并且在运行时方面不会损失太多。作为参考，稀疏是指节点没有太多邻居的情况；例如，在一个有20个节点的图中，每个节点大约有2个邻居。C对我来说似乎是最有效的，因为您所做的查找平均为O（1）。（注意这是平均情况，不是最坏情况。）使用邻接列表，可以进行最坏情况线性搜索 对于稀疏图，您可能希望使用邻接列表（a），因为它们将占用更少的空间。然而，对于稠密图，选项C应该是最有效的 A和B将有非常相似的运行时——渐近相同。除非您希望将邻居之外的数据添加到这些节点，否则我将选择A 我不熟悉python；但是，对于Java，可以通过使用HashSet（set）来改进选项C，这将减少您的空间需求。运行时与使用HashMap相同，但集合不存储值-仅存储键，这是检查两个节点之间是否存在边所需的 因此，澄清一下： 对于运行时，选择C。您将得到平均情况O（1）边添加。为了改进C语言以减少内存消耗，可以使用集合而不是映射，这样就不必为值分配空间
对于内存，如果有稀疏图，请选择一个。您将节省大量内存，并且在运行时方面不会损失太多。作为参考，稀疏是指节点没有太多邻居的情况；例如，在一个有20个节点的图中，每个节点大约有2个邻居。
aBCO（1）O（N）DO（1）graph = { 1: set([2]), 2: set([1, 3], 3: set() }
addEdge（from，to）graph[from].add(to)
graph[to].add(from)
to in graph[from]
ABCO（1）O（N）DO（1）graph = { 1: set([2]), 2: set([1, 3], 3: set() }
addEdge（from，to）graph[from].add(to)
graph[to].add(from)
to in graph[from]
你想解决什么问题？addEdge和hasEdgeOption D：使用集合而不是列表来表示邻居。我没有选项D不幸的是为什么不实现这三个版本并对它们计时？你想解决什么问题？addEdge和hasEdgeOption D：使用集合而不是列表来表示邻居。我没有选项不幸的是，为什么不实现这三个版本并对它们计时？您会选择A作为每个函数最有效的一个吗？这就是你的意思吗？不，我会选择A而不是B。真正的问题是你应该选择A而不是C，还是C而不是A。对于节点之间有很多边的图，C应该更有益，因为你的运行时间会提高。对于稀疏图，a会更有用，因为它需要更少的空间，而C不会提高足够的效率来抵消a的内存优势。如果您选择a，尤其是Python，您就错了。即使是树映射/树集也比邻接列表好<代码>O（N）邻接列表从来都不是正确答案。在一个完整的或非常密集的图中，如果约束是内存，邻接矩阵有时可能是正确的选择。是否关注空间或时间的问题与图的稀疏性无关。问题在于约束是什么。如果限制是时间，那么O（1）列表是获得格式不好的结果的方法。。。无论如何，这似乎是一个4-6倍的差异。IMO还不错，但显然这取决于约束条件。然而，考虑到约束是关于
hasEdgeaddEdgeC