6.4 邻接表
原理：
邻接矩阵的空间效率之所以低，是因为其中大量单元所对应的边，通常并未在图中出现。因静态空间管理策略导致的此类问题，并非首次出现，比如此前的2.4节，就曾指出这类缺陷并试图改进。既然如此，为何不仿照3.1节的思路，将这里的向量替换为列表呢？
以如图6.6(a)所示的无向图为例，只需将如图(b)所示的邻接矩阵，逐行地转换为如图(c)所示的一组列表，即可分别记录各顶点的关联边（或等价地，邻接顶点）。这些列表，也因此称作邻接表（adjacency list）。实际上，这种通用方法不难推广至有向图。
复杂度：
邻接表所含列表数等于顶点总数n，每条边在其中仅存放一次（有向图）或两次（无向图），故无向图的空间复杂度为O(n+2e)；有向图的空间复杂度为O(n+e)，与图自身的规模相当，较之邻接矩阵有很大改进。
总结：
当然，空间性能的这一改进，需以某些方面时间性能的降低为代价。比如，为判断顶点v到u的联边是否存在，exists(v, u)需在v对应的邻接表中顺序查找，共需O(n)时间。
与顶点相关操作接口，时间性能依然保持，甚至有所提高。比如，顶点的插入操作，可在O(1)而不是O(n)时间内完成。当然，顶点的删除操作，仍需遍历所有邻接表，共需O(2e)（无向）或O(e)（有向）时间。
尽管邻接表访问单条边的效率并不算高，却十分擅长于以批量方式，处理同一顶点的所有关联边。在以下图遍历等算法中，这是典型的处理流程和模式。比如，为枚举从顶点v发出的所有边，现在仅需Θ(1 + outDegree(v))而非Θ(n)时间。故总体而言，邻接表的效率较之邻接矩阵更高。因此，本章对以下各算法的复杂度分析，多以基于邻接表的实现方式为准。
PS：虽然但是，O(n+2e)可能写做O(n+e)，O(2e)可能写做O(e)
“开启掘金成长之旅！这是我参与「掘金日新计划 · 2 月更文挑战」的第 9 天，点击查看活动详情”
