比如有这么一张图：
(1)可以用字典和列表来表示
graph = {'V0':['V1','V5'], 'V1':['V2'], 'V2':['V3'], 'V3':['V4','V5'], 'V4':['V0'], 'V5':['V2','V4']}找到一条路径：
def find_path(graph, start, end, path=[]): path = path + [start] if start == end: return path if not graph.has_key(start): return None for node in graph[start]: if node not in path: newpath = find_path(graph, node, end, path) if newpath: return newpath return None找到所有路径：
def find_all_paths(graph, start, end, path=[]): path = path + [start] if start == end: return [path] if not graph.has_key(start): return [] paths = [] for node in graph[start]: if node not in path: newpaths = find_all_paths(graph, node, end, path) for newpath in newpaths: paths.append(newpath) return paths找到最短路径：
def find_shortest_path(graph, start, end, path=[]): path = path + [start] if start == end: return path if not graph.has_key(start): return None shortest = None for node in graph[start]: if node not in path: newpath = find_shortest_path(graph, node, end, path) if newpath: if not shortest or len(newpath) < len(shortest): shortest = newpath return shortest(2) 邻接矩阵
会将每个结点可能的邻居位置排成一行（也就是一个数组，用于对应图中每一个结点），然后用某种值（如True或False）来表示相关结点是否为当前结点的邻居。为了让矩阵具有更好的可读性，我们将会用1和0来充当所谓的真值（也可用True和False）。
v0,v1,v2,v3,v4,v5=range(6) N=[[0,1,0,0,0,1],#v0 [0,0,1,0,0,0],#v1 [0,0,0,1,0,0],#v2 [0,0,0,0,1,1],#v3 [1,0,0,0,0,0],#v4 [0,0,1,0,1,0]]#v5 >>> N[v0][v1] 1 >>> sum(N[v0]) 2将邻接矩阵扩展成允许对边进行加权处理：在原来存储真值的地方直接存储相关的权值即可。例如，对于边（u,v）来说，我们只需要将N[u][v]处的True替换成w(u,v)即可，我们通常会将一些不存在的边的权值设置为无穷大。 对角线上的值依旧应该全为0，任何节点到自身的距离都应该始终为0。
把上面的代码改为：
v0,v1,v2,v3,v4,v5=range(6) inf=float('inf') w=N=[[inf,5,inf,inf,inf,2],#v0 [inf,inf,4,inf,inf,inf],#v1 [inf,inf,inf,9,inf,inf],#v2 [inf,inf,inf,inf,7,3],#v3 [1,inf,inf,inf,inf,inf],#v4 [inf,inf,1,inf,8,inf]]#v5 >>>w[v0][v1] Out[6]: 5 >>>w[v2][v1] Out[7]: inf