Python图DFS遍历实现详解
2026-05-11 08:37:49
0浏览
收藏
本文深入剖析了Python中图的深度优先遍历(DFS)实现陷阱与最佳实践,直击递归版DFS在CPython下因默认1000层递归限制、隐式栈开销大、闭包帧对象内存膨胀等问题导致的高栈溢出风险,并明确指出:图结构(尤其含长链或环)天然不适合递归,而应优先采用可控性强的手写显式栈实现;同时对比邻接表与邻接矩阵在时间/空间效率和适用场景上的关键差异,辅以易错点警示(如visited标记时机、栈操作顺序、有向图不可达节点的合理处理),并提供实用验证方法——不纠结遍历顺序唯一性,而聚焦连通性覆盖、无重复访问与结果完整性,助开发者写出健壮、高效、可调试的图遍历代码。

递归实现DFS时,为什么栈溢出风险比预期高?
Python默认递归深度限制是1000层,图中存在长链或环状结构时极易触发RecursionError。这不是算法错,而是CPython解释器对递归调用的硬性约束。
- 用
sys.setrecursionlimit()强行提高上限治标不治本——内存耗尽比报错更难调试 - 递归版DFS隐式依赖系统栈,无法控制每层调用开销(比如闭包变量、帧对象)
- 真正适合递归的场景是树(无环、深度可控),而一般图必须预判最坏路径长度
示例:邻接表表示的图,递归入口写法要带访问标记,否则死循环
def dfs_recursive(graph, node, visited):
if node in visited:
return
visited.add(node)
for neighbor in graph.get(node, []):
dfs_recursive(graph, neighbor, visited)
手写栈实现DFS,关键在“何时压入”和“是否重复访问”
显式栈版本可控性强,但新手常错在把节点一拿到就push,导致同一节点多次入栈。正确做法是“访问时标记,扩展时判断”。
- 初始化栈只放起始节点,
visited集合同步加入该节点 - 每次
pop后立即处理(如打印、收集),再遍历其邻居 - 对每个邻居,仅当
neighbor not in visited才push并add进visited - 顺序敏感:用
list.append()+list.pop()模拟栈;若用collections.deque,务必用pop()而非popleft()
常见错误:visited放在pop前检查——这会让未访问过的节点被跳过
邻接矩阵 vs 邻接表,对DFS性能影响有多大?
邻接矩阵查邻居要遍历整行,时间复杂度从O(度数)退化到O(V),V大时明显拖慢。但某些场景下它反而更稳。
- 稠密图(边数接近V²):邻接矩阵查
matrix[i][j]是O(1),总复杂度O(V²),和邻接表持平 - 需要频繁判断任意两点是否连通:邻接矩阵查存在性快,邻接表得遍历链表或查set
- 内存:邻接矩阵固定占O(V²)空间,哪怕图只有几条边;邻接表按实际边数分配
小技巧:若用邻接矩阵,邻居遍历别写for j in range(len(matrix)),改用enumerate(matrix[i])加条件过滤,避免无效判断
DFS遍历结果不唯一,怎么验证自己写的没逻辑漏洞?
图的DFS顺序取决于邻接点的存储顺序和遍历顺序(如字典序、插入序),结果不同不等于错。验证重点是“连通性覆盖”和“无重复访问”。
- 跑完后检查
len(result) == len(visited) == 连通分量大小,少一个就是漏节点 - 对无向图,可构造含桥边的图(如A-B-C-D,B-E),手动推演:从A出发应能到E,但不能绕回A形成环(除非你没做访问标记)
- 加一句
assert len(visited) == len(set(result))快速捕获重复写入
最容易被忽略的是有向图中的“不可达节点”——它们根本不会出现在结果里,不是bug,是DFS特性。需要全图遍历就得外层套个for node in all_nodes:检查未访问节点
以上就是《Python图DFS遍历实现详解》的详细内容,更多关于的资料请关注golang学习网公众号!
用户空闲检测:自定义与ng-idle对比解析
- 上一篇
- 用户空闲检测:自定义与ng-idle对比解析
- 下一篇
- 小红书浏览记录怎么查?方法揭秘
查看更多
最新文章
-
- 文章 · python教程 | 2天前 | 线程池 · Python 线程池 concurrent.futures 任务取消 Future.cancel
- Python concurrent.futures.Future.cancel 怎样判断任务能否取消
- 143浏览 收藏
-
- 文章 · python教程 | 2天前 | 标准库 · HTTP服务 · 多线程 · Python教程 · Python 并发请求 http.server ThreadingHTTPServer ThreadingMixIn BaseHTTPRequestHandler
- Python http.server ThreadingHTTPServer 怎样处理并发请求
- 481浏览 收藏
-
- 文章 · python教程 | 2天前 |
- Python tarfile.TarInfo.replace 怎样复制归档成员属性
- 308浏览 收藏
-
- 文章 · python教程 | 2天前 | 并发编程 · Python教程 · Python 多进程 multiprocessing forkserver 启动上下文
- Python multiprocessing forkserver 怎样处理进程启动上下文
- 232浏览 收藏
-
- 文章 · python教程 | 2天前 | 标准库 · 异步编程 · Python教程 · Python asyncio StreamReader readexactly IncompleteReadError 异步流
- Python asyncio.StreamReader.readexactly 怎样处理不足长度的输入
- 427浏览 收藏
-
- 文章 · python教程 | 2天前 |
- Python operator.length_hint 怎样为未知长度迭代器设置估计值
- 336浏览 收藏
-
- 文章 · python教程 | 2天前 | 标准库 · Python教程 · Python warnings catch_warnings simplefilter filterwarnings 警告过滤
- Python warnings context manager 怎样临时调整警告过滤
- 255浏览 收藏
-
- 文章 · python教程 | 2天前 | 调试 · python · 异步编程 · Python asyncio introspection current_task all_tasks
- Python asyncio introspection 怎样定位当前任务
- 120浏览 收藏
-
- 文章 · python教程 | 2天前 | 标准库 · Python教程 · Python 类型注解 Python 3.14 annotationlib get_annotations ForwardRef 延迟注解
- Python 3.14 annotationlib.get_annotations 怎样读取延迟注解
- 423浏览 收藏
-
- 文章 · python教程 | 2天前 |
- Python 3.14 跨解释器 Queue.put 的阻塞与 QueueFull 处理方案
- 157浏览 收藏
-
- 文章 · python教程 | 2天前 | xml · python · Python xml xml.etree.ElementTree canonicalize C14N
- Python xml.etree.ElementTree.canonicalize 怎样生成稳定的 XML 文本
- 151浏览 收藏
查看更多
课程推荐
-
- 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
- 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
- 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
- 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
- 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
- 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。
- 1173次使用
-
- 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。
- 1157次使用
-
- 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。
- 1338次使用
-
- 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。
- 1281次使用
-
- 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。
- 1139次使用
查看更多
相关文章
-
- Python TaskGroup 怎样让子任务失败统一收敛
- 2026-11-12 501浏览
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览

