当前位置:首页 > 文章列表 > 文章 > python教程 > Python图邻接字典实现:避免重复边影响度数计算

Python图邻接字典实现:避免重复边影响度数计算

2026-01-19 11:57:39 0浏览 收藏

golang学习网今天将给大家带来《Python 图邻接字典实现:避免重复边影响度数计算》,感兴趣的朋友请继续看下去吧!以下内容将会涉及到等等知识点,如果你是正在学习文章或者已经是大佬级别了,都非常欢迎也希望大家都能给我建议评论哈~希望能帮助到大家!

Python 图的邻接字典实现:避免重复边导致的度数计算错误

本文详解如何正确实现基于字典的无向图邻接表表示,重点解决因重复添加边而导致 `get_number_of_adjacent_vertices` 返回错误顶点度数的问题,并提供健壮、高效的修复方案。

在使用字典实现无向图的邻接表(Adjacency Dictionary)时,一个常见但容易被忽视的问题是:未对重复边进行去重处理。原始代码中 add_new_edge 方法直接将顶点相互追加到对方的邻接列表中,而未检查该边是否已存在。当测试用例中多次调用 add_new_edge(1, 2) 时,顶点 1 的邻接列表会反复加入 2,导致 len(self.dic[vertex])(即顶点度数)被高估——这正是你遇到 AssertionError: 5 == 4 的根本原因:实际应有 4 个邻居,却因重复插入统计为 5。

✅ 正确做法:添加存在性检查

最直接的修复是在插入前判断目标顶点是否已存在于邻接列表中:

def add_new_edge(self, vertex1: int, vertex2: int):
    if vertex2 not in self.dic[vertex1]:
        self.dic[vertex1].append(vertex2)
        self.dic[vertex2].append(vertex1)

此修改确保每条无向边 (u, v) 在 dic[u] 和 dic[v] 中各仅出现一次,从而保证 get_number_of_adjacent_vertices 返回真实度数。

⚡ 更优方案:改用 set 存储邻接关系

虽然列表 + 检查可行,但时间复杂度为 O(d)(d 为当前度数),频繁查询效率低。推荐使用 set 替代 list,天然支持去重与 O(1) 成员检查:

from typing import List, Set, Dict

class GraphAdjacencyDictionary:
    def __init__(self, number_of_vertices: int):
        # 使用 set 而非 list,自动去重、提升查询性能
        self.dic: Dict[int, Set[int]] = {i: set() for i in range(number_of_vertices)}

    def add_new_edge(self, vertex1: int, vertex2: int):
        self.dic[vertex1].add(vertex2)  # set.add() 自动忽略重复
        self.dic[vertex2].add(vertex1)

    def get_list_of_adjacent_vertices(self, vertex: int) -> List[int]:
        # 注意:原逻辑有严重语义错误!
        # 它返回的是 [0,1,0,1,...] 形式的邻接指示向量(长度=总顶点数),而非邻接顶点列表
        # 若需求是“邻接顶点列表”,应直接返回 sorted(list(self.dic[vertex]))
        return [1 if i in self.dic[vertex] else 0 for i in range(len(self.dic))]

    def get_number_of_adjacent_vertices(self, vertex: int) -> int:
        return len(self.dic[vertex])  # ✅ 现在始终准确

    def is_edge(self, vertex1: int, vertex2: int) -> bool:
        return vertex2 in self.dic[vertex1]

? 额外提醒:get_list_of_adjacent_vertices 方法当前实现返回的是长度为 n 的 0/1 列表(类似邻接矩阵的一行),而非直观的邻接顶点列表(如 [2, 3, 5])。若题意要求后者,请改为 return list(self.dic[vertex]) 或 sorted(list(self.dic[vertex])) 以保持顺序一致性。

✅ 总结

  • ❌ 错误根源:add_new_edge 无去重 → 邻接列表含重复顶点 → len() 返回错误度数。
  • ✅ 快速修复:添加 if not in 检查。
  • ⚡ 推荐升级:用 dict[int, set[int]] 替代 dict[int, list[int]],兼顾正确性、性能与简洁性。
  • ? 测试建议:手动验证 add_new_edge(0,1); add_new_edge(0,1) 后 get_number_of_adjacent_vertices(0) 是否恒为 1。

遵循以上改进,你的图结构将严格符合无向简单图定义(无自环、无重边),所有接口行为均可稳定通过单元测试。

本篇关于《Python图邻接字典实现:避免重复边影响度数计算》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!

兔喜生活小程序入口与使用方法兔喜生活小程序入口与使用方法
上一篇
兔喜生活小程序入口与使用方法
验证码收不到怎么处理
下一篇
验证码收不到怎么处理
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。
    371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。
    440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。
    448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。
    393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。
    218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