能看到这篇文章的读者应该都使用过浏览器，但是你们有谁思考过浏览器中搜索引擎的运作模式？

说个我年轻时有意思的idea

每个用户输入搜索单词，百度就会记录下数据放进一个字典作为key值。然后给你展示一些相关网页，当你选择其中一个，这个选择会被记录为value值存入字典，相同类型越多，这个组合的位置上升地越高。

这么做现在想想也是可行，就是效率会特别低下。而且它有一个不足之处：它把多维关系进行了降维处理。

比如下图

A和B可以使一个key：value的关系，可是有时候B也可以是key值，这里就设计到一个权重问题。每一个网页都需要有一个权重值用来评估它的可靠性。

1998年之前的搜索引擎是通过时间顺序基于检索词进行检索。往往搜索结果网页质量不高，很多网页也会故意增加检索词频率，相当于现在的蹭热度。

比如你检索北京市某某中学，它会在下面弄一个友情链接：北京市教育局，公安局……这么做就是为了别人在搜索教育局和公安局的时候给自己增加权重。

为此谷歌的拉里佩奇提出了PageRank算法用来解决这一问题。PR直接翻译就是网页权重，指的是一个网页影响力等于所有入链集合的页面加权影响力之和。

具体公式如下

首先需要了解两个概念

出链：链接出去的链接

入链：链接进来的链接

PR算法还有两个问题

等级泄露：如果一个网页没有出链，就像黑洞一样吸收了其他网页的影响力，导致其他网页PR为0

等级沉没：如果一个网页只有出链，没有入链，迭代下来也会导致该网页PR为0（不存在分母v）

为此拉里佩奇一拍脑门，想出了一个阻尼因子d用来收敛PR算法模型。

具体公式如下

理论太枯燥，我们用实际案例来解释。

安装模块

左下角install package。

导入模块

创建有向关系

就是上面那个图片关系。

这里你会发现这是一个列表，其中里面的有向关系是以元组的形式存在的。

创建有向图

查看数据类型

networkx.classes.digraph.DiGraph

添加节点

查看个数/节点

run

求PR值

run

基础的说完了，接下来实践一个项目，说实话网上数据很多，但是有向的数据真不多。为了给读者一个福利，我好费劲才弄了一份。嘿嘿嘿……

导入模块

1和2就不介绍了

3是有向网络模型

4是防错字典模块

读取数据

run

AB列是人名，我用了加密技术转化为了字符串，C列是两个人交易的金额。

把数据放入列表

PR算法中的有向关系是用元组的形式存储的，C列数据用于绘制网络中的边长度。

运行结果

list1赋值给变量

为啥要另外赋值一次？

没啥原因：处女座！

创建有向图

防错字典

填充数据和边长

第一步：填充graph

第二步：填充edges_weights_temp

第二步看着有点复杂，理解了就简单了：假设一个元组不在edges_weights_temp中，则以该【元组】为key，C列为值，如果存在，则累加C列的值。

加个判断看一下效果

run

再把字典转化为列表

设置路径和权重

计算PR值

run

这就是每个人在这份数据中的交易权重。

设置节点属性

定义画图函数

1.判断语句为各种图形的类别

2.使用PR值设置节点大小

3.设置网络边长度

4.绘制图形的节点、边、标签

5.展示图片

运行结果

我们发现f362这个人与其他人都有着密切的交易关系，这是一只大佬啊。

打开数据验证一下，正向交易

验证fb2a

如果我们觉得图片中点太多，只要发现其中隐藏的大佬，我们可以用PR值剪枝。

设置阙值

复制网络图

剪掉低于阙值的节点

n和p_rank

画图

运行结果

重要角色都被选了出来，是不是很好玩？今天的内容有点多，好好消化一下。