igraph 是一个用于创建和操作图的库。你可以从两个方面来看待它：首先，igraph 包含了很多图算法的实现。这些包括经典的图算法，如图同构、图围长和连通性，以及新的图算法，如传递性、图 motif 和社群结构检测。浏览一下目录或本书的索引，就能了解有哪些可用功能。

其次，igraph 提供了一个用于开发和/或实现图算法的平台。它具有用于表示图的高效数据结构，以及许多其他数据结构，如灵活的向量、堆栈、堆、队列、邻接表，这些对于实现图算法很有用。事实上，这些数据结构是随着组成 igraph 库主要部分的经典和非经典图算法的实现而发展起来的。这样，它们经过了多次微调和正确性检查。

我们开发 igraph 的主要目标是创建一个在大型但不极端大型图上高效的图库。更准确地说，假设图适合计算机的物理内存。如今，这意味着具有数百万个顶点和/或边的图。我们对高效的定义是它在理论上和（更重要的是）在实践中运行都很快。

我们认为 igraph 的一大优势是可以嵌入到更高级别的语言或环境中。目前我们正在开发三个这样的嵌入（或者如果你从另一个角度来看，也可以说是接口）：一个 R 包、一个 Python 扩展模块和一个 Mathematica (Wolfram Language) 包。未来可能会有更多。诸如 R 或 Python 等高级语言使得使用图例程更加舒适，而无需实际编写任何 C 代码。与 C 版本相比，它们有一些（通常非常小的）速度损失，但增加了易用性和灵活性。然而，本手册仅涵盖 C 库。如果您想使用 Python、R 或 Wolfram Language，请参阅专门为这些接口编写的文档，并且仅当您对这些文档中未涵盖的某些细节感兴趣时才返回此处。

我们仍然认为 igraph 是一个子项目。它还有很大的发展空间，我们确信在不久的将来会有很大的改进。我们可以从用户那里获得的任何反馈对我们来说都非常重要，因为大多数时候这些问题和评论会指导我们添加和改进什么。

igraph 是开源的，并根据 GNU GPL 版本 2 或（由您选择）任何更高版本的条款分发。我们坚信科学中使用的所有算法，无论是图论还是其他，都应该有一个高效的开源实现，允许任何人使用和修改。