Python 在图遍历中不理解基于DFS的返回顺序

我目前正在以图表的形式回顾DFS和BFS，并得出结论

下面是作为“正确”解决方案给出的代码

根据DFS的定义，解决方案的顺序如何为#{E'，D'，F'，A'，C'，B'}？如果我从图A开始遍历，解决方案不是先尽可能深入，然后向上遍历吗

---

这是DFS的实际实现，还是只是一种“搜索算法”，而不是DFS？

这是一种有效的DFS算法。但是，由于visited是一个集合，因此返回的

visited

节点的顺序不一定是插入它们的顺序。如果要查看插入顺序，则以下内容更合适：

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'])}

def dfs(graph, start):
    visited, stack = [], [start]
    while stack:
        vertex = stack.pop()
        if vertex not in visited:
            visited.append(vertex)
            stack.extend(graph[vertex] - set(visited))
    return visited

print dfs(graph, 'A') # ['A', 'B', 'D', 'E', 'F', 'C']

另外，请注意代码的原始作者使用集合的原因：

---

当您执行未访问的

顶点时

使用集合的平均摊销成本为O（1），而使用列表的平均摊销成本为O（n）（请参阅）。与

设置（已访问）

调用相关的成本也可能很大（尽管我不知道有多大）。不管怎样，这都不是一个高度优化的示例（不管怎么说，它是用python编写的），对于小型图形，没有人会在意。如果您想两全其美，您可以尝试同时维护一个访问节点列表（用于排序）和一个集合（用于实际操作），尽管这会以额外的内存使用为代价。

啊，我明白了，谢谢！

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'])}

def dfs(graph, start):
    visited, stack = [], [start]
    while stack:
        vertex = stack.pop()
        if vertex not in visited:
            visited.append(vertex)
            stack.extend(graph[vertex] - set(visited))
    return visited

print dfs(graph, 'A') # ['A', 'B', 'D', 'E', 'F', 'C']