下面将介绍几种常用表示法：邻接矩阵，邻接表，前向星。以下图为例子：
邻接矩阵：
基础
0 1 1
0 0 1
0 0 0
可以用二维矩阵实现，意义：
第一行表示第一点，第一行也表示第一点，没有连接，为0；
第一行第二列，表示第一点到第二点，有连接，为1；
第三行，第三点，未连接到任何点，全是0；
扩展：
如果有权重，可以用权重代替1；也可以用INT32_MAX代替0。
如果是无向图，其实是：1和2有连接，2和1也有连接。矩阵等于其转秩。
邻接表：
基础：
1 -> 2 -> 3
2 -> 3
3
可用一个数组，储存一个链表，链表保存与这个节点连接的所有节点。
扩展：
有向图，链表只连接指出去的；无向图，凡是连接都加入链表。
前向星（forward star）：
也称星型表示法，也是用数组储存。
基础：
用一个二维数组储存，起点，终点（需要权重也可以加），每个节点的边是连续的。
1 1 2
2 3 3
第一列表示起点是1终点是2；第二列表示起点是1终点是3。
用另一个数组储存每个点的开始索引（这里数组从1开始）：
1 3
第一个元素表示第一个节点从1开始索引，第二个元素表示2从3开始索引。
链式前向星：
前向星的扩展，实际相当于邻接表的数组表示。实现简单！
基础：
用上面的图展示：
用一个二维数组储存边的关系，
2 3 3
60 80 70
0 2 0
第一行表示终点，第二行表示权值，第三行表示下一条边的起始位置。
另外用一个数组表示每个点的起始边（下面数组从1开始）：
2 3 0
零表示没有起始边，2表示第一个点从二维数组的第二列还是，3表示第二个点从第三列开始。
效率：
空间效率：
邻接矩阵简单直接，但对于稀疏图比较浪费空间，复杂度为n^2，n为节点数；
邻接表节省空间，但如果要确定某条边是否存在，需要遍历整个一条链，复杂度为n+m，m表示边的数量；但要考虑链表中指针的额外空间。
前向星，访问快，也不能O(1)判断某条边是否存在，复杂度n+m。
链式前向星，类似邻接表，用数组储存。
时间效率：
建表效率：
邻接矩阵O(m)
邻接表O(m)
前向星O(mlogm)，最后需要排序
链式前向星O(m)
查找边的效率：
除了邻接矩阵是O(1)，其他都要遍历整条链。
总结：
稀疏图用链式前向星，稠密图用邻接矩阵；自己权衡下时空看着用。
除了邻接矩阵外的二维数组，都可以用结构体去保存。
一些参考：