在计算机科学中，图是一种非常重要的数据结构，用于表示对象之间的关系。它可以分为两大类：有向图和无向图。有向图中的边有方向性，而无向图则没有方向性。例如，社交网络中的关注关系可以看作是有向图，因为A关注B并不意味着B也关注A；而朋友关系则是无向图，因为如果A是B的朋友，那么B也是A的朋友。

在图论中，每个节点连接的边的数量称为该节点的度。对于有向图，度又细分为入度（指向该节点的边的数量）和出度（从该节点出发的边的数量）。此外，图的边还可以带有权重，表示边两端节点之间的某种成本或距离。例如，在导航应用中，两点之间的距离就可以作为边的权重。

为了高效地存储和处理图，通常使用两种主要的数据结构：邻接矩阵和邻接表。邻接矩阵是一个二维数组，其中行和列分别代表图中的节点，矩阵元素表示相应节点之间是否存在边以及边的权重。邻接表则是一个列表，每个节点对应一个列表，记录了与该节点直接相连的所有节点及其权重信息。这两种方法各有优缺点，选择哪种取决于具体的应用场景。例如，对于稀疏图，邻接表通常更节省空间，而对于稠密图，邻接矩阵可能更合适。

通过合理选择图的类型、存储结构及属性，我们可以更好地解决实际问题，如路径规划、社交网络分析等。