当前位置:首页 > 文章列表 > 文章 > php教程 > PHP数组转树结构:邻接表与矩阵映射方法

PHP数组转树结构:邻接表与矩阵映射方法

2025-12-02 11:09:58 0浏览 收藏

珍惜时间,勤奋学习!今天给大家带来《PHP数组转图结构:邻接表与矩阵关系映射方法》,正文内容主要涉及到等等,如果你正在学习文章,或者是对文章有疑问,欢迎大家关注我!后面我会持续更新相关内容的,希望都能帮到正在学习的大家!

答案:通过邻接表或邻接矩阵将PHP数组转为图结构,邻接表用关联数组存储相邻节点适合稀疏图,邻接矩阵用二维数组表示节点连接适合密集图,层级数据可通过映射构建树形结构用于路径查找与遍历。

php数据整理中如何把数组转为图结构_php邻接表或矩阵表示与关系映射方法

如果需要在PHP中将数组数据转换为图结构,以便进行路径查找、依赖分析或层级遍历等操作,则可以通过构建邻接表或邻接矩阵的方式实现对节点间关系的映射。以下是具体的实现方法:

一、使用邻接表表示图结构

邻接表是一种以哈希表或关联数组为基础的图表示方式,每个节点对应一个子列表,记录与其直接相连的所有相邻节点。该方式适合稀疏图,节省存储空间且便于动态添加边。

1、准备原始数组数据,例如表示父子关系的二维数组:[['A', 'B'], ['A', 'C'], ['B', 'D']] ,其中每一对代表一条有向边。

2、初始化一个空的关联数组作为邻接表:$graph = [];。

3、遍历每一条边,将起始节点作为键,目标节点追加到其对应的数组中:if (!isset($graph[$from])) $graph[$from] = [];,然后执行 $graph[$from][] = $to;。

4、若需支持无向图,则反向也建立连接:$graph[$to][] = $from;,并同样进行存在性判断。

5、最终得到的 $graph 即为以节点为键、值为相邻节点数组的邻接表结构,可用于深度优先搜索或广度优先搜索。

二、使用邻接矩阵表示图结构

邻接矩阵采用二维数组(或嵌套数组)来表示图中所有节点之间的连接关系,矩阵中的值表示是否存在边或边的权重。此方式适用于节点数量较少但连接密集的场景。

1、提取所有唯一的节点名称,形成节点索引映射:$nodes = array_unique(array_merge(array_column($edges, 0), array_column($edges, 1))); ,然后通过 array_flip() 创建节点名到索引的映射。

2、初始化一个大小为 n×n 的二维数组(n为节点总数),所有元素设为 0:for ($i = 0; $i 。

3、遍历每条边,根据节点映射获取行索引和列索引,并在矩阵中设置对应位置为 1(或边的权重):$matrix[$fromIndex][$toIndex] = 1;。

4、对于无向图,还需同时设置对称位置:$matrix[$toIndex][$fromIndex] = 1;。

5、完成后的 $matrix 可用于快速判断任意两个节点之间是否存在连接,时间复杂度为 O(1) 查询。

三、从关联数组自动推导节点关系并建图

当输入数据是具有层级或依赖关系的关联数组时,如树形菜单或组织架构,可通过递归或迭代方式提取节点间的指向关系,并将其转化为标准图结构。

1、定义一个包含 parent_id 和 id 字段的关联数组集合,例如:[['id' => 1, 'parent_id' => null], ['id' => 2, 'parent_id' => 1]]。

2、创建一个空数组用于暂存节点引用:$map = [];,同时初始化图结构容器。

3、首次遍历数据,将每个节点按其 id 存入 $map 中,并初始化其子节点列表。

4、再次遍历数据,若当前节点的 parent_id 不为空,则在其父节点的子列表中添加该节点引用:$map[$node['parent_id']]['children'][] = &$map[$node['id']];。

5、遍历结束后,所有根节点(parent_id 为 null 的节点)构成图的入口点集合,可进一步转换为邻接表形式用于图算法处理。

理论要掌握,实操不能落!以上关于《PHP数组转树结构:邻接表与矩阵映射方法》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!

Windows11常用软件安装教程详解Windows11常用软件安装教程详解
上一篇
Windows11常用软件安装教程详解
Python飞机大战小游戏开发教程
下一篇
Python飞机大战小游戏开发教程
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    431次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    508次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    522次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    464次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    292次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码