图是什么？
图由节点和边构成。
图和树很像，但树所有节点的子节点都是唯一的，图的节点的子节点（叫相邻节点更合适）是有可能相同的。
如上示例，0 的相邻节点是 4，3 的相邻节点也是 4，树是不可能这样的，所以树也是特殊的图。
图如何存储
两种方法：邻接表和邻接矩阵，如上示例，存储如下：
邻接表解释：
节点 0 可通向节点 4，节点 3，节点 1。
节点 1 可通向节点 3，节点 2，节点 4。
以此类推，索引代表当前的节点，索引值代表当前节点可通向的节点。
邻接矩阵也是类似，它用了一个 N * N 的二维数组，数组值只能是 0 或 1，0 的话代表不通，1 代表通，如：
代表 2 号节点和 3 号节点是联通的，和 0、1、2、4 是不通的。
邻接表 vs 邻接矩阵
邻接表：耗费的存储空间更少，更紧凑。
邻接矩阵：能更快速判断两个节点是否联通，只需要 O(1) 的时间。
实际情况要看场景使用，但邻接表使用的更多些。
度（degree）
这是图特有的概念，就是每个节点相连的边的条数，又因为有向图有方向，那么「度」被细分为入度（indegree）和出度（outdegree）。
还是此图为例，节点 3 的入度是 3，因为 0、1、2 都指向 3，出度是 1，因为 3 指向 4。
以上我们都是以有向无权图（边有方向但是没有权重的图）为例，那有向加权图、无向图怎么存储呢？
有向加权图
加权指边上有权重了，比如：0 到 1 权重需要 10，0 到 3 权重 20，0 到 4 权重 30，那么邻接表如下：
0: [1, 10], [3, 20], [4, 30]
其余节点同理
原来只存了边指向的节点，现在还存了节点上的权重。
无向图
这个更简单，如节点 0 到节点 4 是联通的，而且是无向图，你可以理解为：节点 0 的边指向节点 4，并且节点 4 的边也指向节点 0，2 个节点互相指，那就可以理解为无向的了。
实战题目
给你一个有方向但是没有环的图结构，求从节点 0 到节点 n-1 的所有路径，如示例就有 2 种路径：
从 0 到 3，红色一种，蓝色一种。这里解决的问题就是如何遍历整个图，首先从 0 开始走，并记录走过的路径，之后一直往相邻节点走，并且重复此步骤，如果遇到了节点是 n-1 的情况，那么就不能继续走了，因为找到答案了，记录答案即可。
如果你熟悉递归和树结构，这里和用递归去遍历树的方法一样：
function allPathsSourceTarget(graph: number[][]): number[][] {
let n = graph.length
let res: number[][]=[]
tarverse(n,graph,0,[0],res)
return res
};
function tarverse(n:number,graph:number[][],curNode: number,path:number[],res:number[][]){
if(curNode===n-1){
res.push(path)
}
const neighbor = graph[curNode]
neighbor.forEach(i=>{
tarverse(n,graph,i,[...path,i],res)
})
}
学算法的关键在于多刷题，你可以先选择和图相关的算法，之后按照先简单，先通过率高的题目顺序来刷题。
本文为学习总结，原文地址
