我们用pagerank来查看，各个点的影响力，以及用nexworkx中的graph来展示其关系。
如图ABCD代表着4个网页，其中箭头指向表示，从某网页跳转到另一个网页，那么我们来计算一下，这4个网页的影响力是多少吧！
图片解释
pagerank算法原理就是：一个网页的影响力 = 所有入链集合的页面的加权影响力之和。
如何计算，公式自己去网络上查找，我们用代码演示一遍。
import matplotlib.pyplot as plt
import networkx as nx
G = nx.DiGraph()
# 有向图之间边的关系
edges = [("A", "B"), ("A", "C"), ("A", "D"), ("B", "A"), ("B", "D"), ("C", "A"), ("D", "B"), ("D", "C")]
for edge in edges:
G.add_edge(edge[0], edge[1])
pagerank_list = nx.pagerank(G, alpha=1)#alpha为阻尼因子，alpha=0.85表示跳转率为15%
print("pagerank 值是：", pagerank_list)
nx.set_node_attributes(G,values=pagerank_list,name='pagerank_list')
# 绘制圆环图像
positions=nx.circular_layout(G)
#绘制反射图像
# positions=nx.spring_layout(G)
# 绘制节点
nx.draw_networkx_nodes(G, positions, alpha=0.4)
# 绘制边
nx.draw_networkx_edges(G, positions, alpha=0.2)
# 绘制节点的 label
nx.draw_networkx_labels(G, positions, font_size=10)
plt.show()
得到的结果：
Figure_1.png
点越是大，影响力越大，当数据够大时会显现出来。
pagerank 值是： {'A': 0.33333396911621094, 'B': 0.22222201029459634, 'C': 0.22222201029459634, 'D': 0.22222201029459634}
接下来我们看下如何利用pagerank和graph来展示希拉里的邮件。
一张图显示步骤：
307055050e005ba5092028a074a5c142.png
1、提取收件名和发件名
首先我们需要将所有的文件提取出来，转化为字典模式，id对应姓名和真实身份，最后提取的emails.MetadataTo和emails.MetadataFrom要对应其真实身份。
import pandas as pd
import numpy as np
from collections import defaultdict
emails = pd.read_csv("E:/数据学习网站/PageRank-master/input/Emails.csv")
file = pd.read_csv("E:/数据学习网站/PageRank-master/input/Aliases.csv")
aliases={}
for index,row in file.iterrows():
aliases[row['Alias']]=row['PersonId']
# print(aliases)
file = pd.read_csv("E:/数据学习网站/PageRank-master/input/Persons.csv")
persons={}
for index,row in file.iterrows():
persons[row['Id']]=row['Name']
# 单词间的转换
def unify_name(name):
#大小写，删除标点和后缀
name =str(name).lower()
name=name.replace(",","").split("@")[0]
#通过key进行名字转化，提取aliases名字对应的唯一身份，中间通过相同keys连接。
#如果名字再aliases的keys中所对应的的name一样，那么返回persons中aliases，name的keys，所对应的name。返回name.
if name in aliases.keys():
return persons[aliases[name]]
return name
#提取收件和发件名，apply()代表执行函数，用前面的文字代入参数
emails.MetadataTo=emails.MetadataTo.apply(unify_name)
emails.MetadataFrom=emails.MetadataFrom.apply(unify_name)
2、图像的准备函数
利用nexworkx画图：边，点和标签的大小，图像可是化
#spring_layout为放射性图像
#circular_layout为环形图像
def show_graph(graph,layout='spring_layout'):
if layout=="circular_layout":
position=nx.circular_layout(graph)
else:
position=nx.spring_layout(graph)
#node点，edge为边，lable为标签
#nodesize点大小设置，edgesize大小设置
nodesize=[x['pagerank']*20000 for v,x in graph.node(data=True)]
edgesize=[np.sqrt(e[2]['weight']) for e in graph.edges(data=True)]
#开始画边点和标签
nx.draw_networkx_nodes(graph,position,node_size=nodesize,alpha=0.4)
nx.draw_networkx_edges(graph,position,edge_size=edgesize,alpha=0.2)
nx.draw_networkx_labels(graph,position,font_size=10)
plt.show()
3、权重的设置与遍历
设置dges_weights
1、用for遍历emails.MetadataTo,emails.MetadataFrom，得到temp名字（'a','b'）
2、将用if not in条件句，将temp导入edges_weights_temp成为defaultdict(<class 'list'>, {('a', 'b'): 1,('c','d'),2……}将所有temp生存随机字典。
3、将字典的items,dict_items([(('Jake Sullivan', 'Hillary Clinton'), 815),……，利用[key[0],key[1],val转化为[('Jake Sullivan', 'Hillary Clinton', 815)……list模式
dges_weights_temp=defaultdict()
for row in zip(emails.MetadataTo,emails.MetadataFrom,emails.RawText):
temp=(row[0],row[1])
if temp not in edges_weights_temp:
edges_weights_temp[temp]=1
else:
edges_weights_temp[temp]=edges_weights_temp[temp]+1
edges_weight=[(key[0],key[1],val) for key,val in edges_weights_temp.items()]
4、最后利用pagerank和graph设置
先用graph=nx.DiGraph()，再用add代入权重
接着代入nx.pagerank
用nx.set设置参数
运行画图函数
graph=nx.DiGraph()
graph.add_weighted_edges_from(edges_weight)
pagerank=nx.pagerank(graph)
nx.set_node_attributes(graph,name='pagerank',values=pagerank)
show_graph(graph)
数据资料：链接：https://pan.baidu.com/s/14edTkp4TH9EtkWt5KYhrrg
提取码：ui5t
复制这段内容后打开百度网盘手机App，操作更方便哦！
最后是完整代码：
import pandas as pd
import numpy as np
import networkx as nx
import matplotlib.pyplot as plt
from collections import defaultdict
emails = pd.read_csv("E:/数据学习网站/PageRank-master/input/Emails.csv")
file = pd.read_csv("E:/数据学习网站/PageRank-master/input/Aliases.csv")
aliases={}
for index,row in file.iterrows():
aliases[row['Alias']]=row['PersonId']
# print(aliases)
file = pd.read_csv("E:/数据学习网站/PageRank-master/input/Persons.csv")
persons={}
for index,row in file.iterrows():
persons[row['Id']]=row['Name']
# 单词间的转换
def unify_name(name):
name =str(name).lower()
name=name.replace(",","").split("@")[0]
if name in aliases.keys():
return persons[aliases[name]]
return name
def show_graph(graph,layout='spring_layout'):
if layout=="circular_layout":
position=nx.circular_layout(graph)
else:
position=nx.spring_layout(graph)
nodesize=[x['pagerank']*20000 for v,x in graph.node(data=True)]
edgesize=[np.sqrt(e[2]['weight']) for e in graph.edges(data=True)]
nx.draw_networkx_nodes(graph,position,node_size=nodesize,alpha=0.4)
nx.draw_networkx_edges(graph,position,edge_size=edgesize,alpha=0.2)
nx.draw_networkx_labels(graph,position,font_size=10)
plt.show()
emails.MetadataTo=emails.MetadataTo.apply(unify_name)
emails.MetadataFrom=emails.MetadataFrom.apply(unify_name)
edges_weights_temp=defaultdict()
for row in zip(emails.MetadataTo,emails.MetadataFrom,emails.RawText):
temp=(row[0],row[1])
if temp not in edges_weights_temp:
edges_weights_temp[temp]=1
else:
edges_weights_temp[temp]=edges_weights_temp[temp]+1
edges_weight=[(key[0],key[1],val) for key,val in edges_weights_temp.items()]
graph=nx.DiGraph()
graph.add_weighted_edges_from(edges_weight)
pagerank=nx.pagerank(graph)
nx.set_node_attributes(graph,name='pagerank',values=pagerank)
show_graph(graph)
pagerank_threshold=0.005
small_graph=graph.copy()
for n,p_rank in graph.node(data=True):
if p_rank["pagerank"]<pagerank_threshold:
small_graph.remove_node(n)
show_graph(small_graph,"circular_layout")
看不懂？
美事我们设置阀值，节点PR值，将小于0.005的值全部删除，这样我们就得到了一张更加清晰的图。
邮件门关系图
这位叫nan的伙计，你是干什么的？为什么天天给美国大美女希拉里天天发邮件？
总结：
1、这里运用到了，nexworkx包，G=nx.DiGraph()来画图，用add_weighted_edges_from()添加信息为[('A', 'B', 1),('c','d',2)]格式的数据。
然后，nex.pagerank()添加权重信息，最后set进G里。
2、数据清洗，占据了整个代码中的一半时间。我们要知道如何利用字典的方式把名字统一在一起，x1=x2—{'a':x1}—{'b':x2}，我们要做到输入A找到B。
最后，从字典中取出数据转化成[('A', 'B', 1),('c','d',2)]格式。
网友评论