不同的图遍历方法包括深度优先搜索（DFS）和广度优先搜索（BFS）。下面是它们的区别和代码示例：

1. 深度优先搜索（DFS）：

   • 从一个顶点开始，沿着一条路径尽可能深入图中，直到不能再继续下去为止，然后回溯到前一个顶点，继续深入其他路径。
   • 使用递归或栈来实现。

   代码示例（使用递归）：

   def dfs(graph, start, visited):
       visited.add(start)
       print(start, end=" ")
   
       for neighbor in graph[start]:
           if neighbor not in visited:
               dfs(graph, neighbor, visited)
   
   graph = {
       'A': ['B', 'C'],
       'B': ['D', 'E'],
       'C': ['F'],
       'D': [],
       'E': ['F'],
       'F': []
   }
   
   visited = set()
   dfs(graph, 'A', visited)
   

2. 广度优先搜索（BFS）：

   • 从一个顶点开始，先访问它的所有相邻顶点，然后再依次访问相邻顶点的相邻顶点，以此类推，直到遍历完所有顶点。
   • 使用队列来实现。

   代码示例：

   from collections import deque
   
   def bfs(graph, start):
       visited = set()
       queue = deque([start])
       visited.add(start)
   
       while queue:
           vertex = queue.popleft()
           print(vertex, end=" ")
   
           for neighbor in graph[vertex]:
               if neighbor not in visited:
                   queue.append(neighbor)
                   visited.add(neighbor)
   
   graph = {
       'A': ['B', 'C'],
       'B': ['D', 'E'],
       'C': ['F'],
       'D': [],
       'E': ['F'],
       'F': []
   }
   
   bfs(graph, 'A')
   

以上是深度优先搜索和广度优先搜索的区别和代码示例。在实际应用中，根据具体问题的要求和图的特点选择适合的遍历方法。