阿里大牛整理总结出最详细的Python数据结构算法题，你还不学一下

Python数据结构与算法图的最短路径（Dijkstra算法）

# Dijkstra算法——通过边实现松弛
# 指定一个点到其他各顶点的路径——单源最短路径
# 初始化图参数
G = {0:{0:0, 1:2, 2:6, 3:4},
 1:{0:INF, 1:0, 2:3, 3:INF},
 2:{0:7, 1:INF, 2:0, 3:1},
 3:{0:5, 1:INF, 2:12, 3:0}
 }
# 每次找到离源点最近的一个顶点，然后以该顶点为重心进行扩展
# 最终的到源点到其余所有点的最短路径
# 一种贪婪算法
def Dijkstra(G,v0,INF=999):
 """ 使用 Dijkstra 算法计算指定点 v0 到图 G 中任意点的最短路径的距离
 INF 为设定的无限远距离值
 此方法不能解决负权值边的图
 """
 book = set()
 minv = v0
 # 源顶点到其余各顶点的初始路程
 dis = dict((k,INF) for k in G.keys())
 dis[v0] = 0
 while len(book) book.add(minv) # 确定当期顶点的距离
 for w in G[minv]: # 以当前点的中心向外扩散
 if dis[minv] + G[minv][w] < dis[w]: # 如果从当前点扩展到某一点的距离小与已知最短距离 
 dis[w] = dis[minv] + G[minv][w] # 对已知距离进行更新
 dis_min = INF # 从剩下的未确定点中选择最小距离点作为新的扩散点 

 for v in dis.keys():
 if v in book: continue
 if dis[v] < new: 
 dis_min = dis[v]
 minv = v
 return dis
distance = Dijkstra(G,0)
print(distance)

Python数据结构与算法图的最短路径（Floyd-Warshall算法）

使用Floyd-Warshall算法 求图两点之间的最短路径

不允许有负权边，时间复杂度高，思路简单

import numpy as np
# 城市地图（字典的字典）
# 字典的第1个键为起点城市，第2个键为目标城市其键值为两个城市间的直接距离
# 将不相连点设为INF,方便更新两点之间的最小值
INF = 99999
G = {0:{0:0, 1:2, 2:6, 3:4},
 1:{0:INF, 1:0, 2:3, 3:INF},
 2:{0:7, 1:INF, 2:0, 3:1},
 3:{0:5, 1:INF, 2:12, 3:0}
 }
path = [[ -1 for i in range(len(G))] for i in range(len(G))]
# 算法思想：
# 每个顶点都有可能使得两个顶点之间的距离变短
# 当两点之间不允许有第三个点时，这些城市之间的最短路径就是初始路径
# Floyd-Warshall算法核心语句
# 分别在只允许经过某个点k的情况下，更新点和点之间的最短路径
for k in G.keys(): # 不断试图往两点i,j之间添加新的点k，更新最短距离
 for i in G.keys(): 

 for j in G[i].keys():
 if G[i][j] > G[i][k] + G[k][j]:
 G[i][j] = G[i][k] + G[k][j]
 path[i][j] = k
for i in G.keys():
 print(list(G[i].values()))
print(np.array(path))

最后，小编为大家准备了9月份新出的python自学视频教程，共计约200G，免费分享给大家！

2019 Python自学教程全新升级为《Python+数据分析+机器学习》，九大阶段能力逐级提升，打造技能更全面的全栈工程师。

以上这些教程小编已经为大家打包准备好了，希望对正在学习的你有所帮助！

获取方式：转发本文+关注 并 私信小编 “ 资料 ”，即可免费获取哦！