PageRank算法及根据航线对机场进行排序的示例分析

本文与大家分享一个PageRank算法和按航线排序机场的实例分析。边肖认为它很实用，所以我把它分享给你学习。希望你看完这篇文章能有所收获。让我们和边肖一起看看。

1. PageRank算法

PageRank算法，即网页排名算法，是Google,创始人Larry Page,在斯坦福时提出的。该算法用于对网页进行排名，排名高的网页表示网页被访问的概率高。这个算法的主要思想有两点：

a. 如果多个网页指向某个网页A，则网页A的排名较高。

b. 如果排名高A的网页指向某个网页B，则网页B的排名也较高，即网页B的排名受指向其的网页的排名的影响。

https://blog.csdn.net/u013007900/article/details/88961913

https://blog.csdn.net/ten_sory/article/details/80927738

00-1010 input _ 1.txt内容：

西沙

锡罐

西皮克

SHAPEK

CANYIH

PEKYIH

SHAYIH

yihxi #-*-coding : utf-8-*-

'''

创建日期2008年8月31日2008年8月31日2008年8月31日2008年8月31日2008年8月31日2008年8月31日2008年8月31日2008年8

@author:pengchua

'''

#作为*输入。例如，txt文件

#AB

#公元前

#BA

# .表示前者指向后者

importnumpayasnp

if__name__=='__main__':

#读入有向图，存储边

f=开路(' input_1.txt '，' r ')

edges=[line.strip('\n ')。split(')for line INF]

打印(边缘)

#根据边获取节点集。

节点=[]

预测预算：

ifedge[0]notinnodes:

nodes.append(边[0])

ifedge[1]notinnodes:

nodes.append(边[1])

打印(节点)

N=len(节点)

#将节点符号(字母)映射为阿拉伯数字，便于后期生成A矩阵/S矩阵。

i=0

node_to_num={}

fornodeinnodes:

node_to_num[node]=i

    i += 1
    for edge in edges:
        edge[0] = node_to_num[edge[0]]
        edge[1] = node_to_num[edge[1]]
    print(edges)
 
    # 生成初步的S矩阵
    S = np.zeros([N, N])
    for edge in edges:
        S[edge[1], edge[0]] = 1
    print(S)
 
    # 计算比例：即一个网页对其他网页的PageRank值的贡献，即进行列的归一化处理
    for j in range(N):
        sum_of_col = sum(S[:,j])
        for i in range(N):
            S[i, j] /= sum_of_col
    print(S)
 
    # 计算矩阵A
    alpha = 0.85
    A = alpha*S + (1-alpha) / N * np.ones([N, N])
    print(A)
 
    # 生成初始的PageRank值，记录在P_n中，P_n和P_n1均用于迭代
    P_n = np.ones(N) / N
    P_n1 = np.zeros(N)
 
    e = 100000  # 误差初始化
    k = 0   # 记录迭代次数
    print('loop...')
 
    while e > 0.00000001:   # 开始迭代
        P_n1 = np.dot(A, P_n)   # 迭代公式
        e = P_n1-P_n
        e = max(map(abs, e))    # 计算误差
        P_n = P_n1
        k += 1
        print('iteration %s:'%str(k), P_n1)
 
    print('final result:', P_n)

final result: [0.29633859 0.1139626  0.1139626  0.1623967  0.31333951]

networkx在2002年5月产生，是一个用Python语言开发的图论与复杂网络建模工具，内置了常用的图与复杂网络分析算法，可以方便的进行复杂网络数据分析、仿真建模等工作。

利用networkx可以以标准化和非标准化的数据格式存储网络、生成多种随机网络和经典网络、分析网络结构、建立网络模型、设计新的网络算法、进行网络绘制等。

##基于networkx 进行pageRank计算
# -*- coding: utf-8 -*-
"""
Created on Tue Aug 11 21:38:58 2020
@author: pengchua
"""
import networkx as nx
import matplotlib.pyplot as plt
 
 
if __name__ == '__main__':
 
    # 读入有向图，存储边
    f = open('input_1.txt', 'r')
    edges = [line.strip('\n').split(' ') for line in f]
 
    G = nx.DiGraph()
    for edge in edges:
        G.add_edge(edge[0], edge[1])
        
    #显示图表
    nx.draw(G, with_labels=True)
    plt.show()
    
    #计算pr值 
    pr=nx.pagerank(G)
#   page_rank_value=pr[node]
    for node, pageRankValue in pr.items():
        print("%s,%.4f" %(node,pageRankValue))

以上就是PageRank算法及根据航线对机场进行排序的示例分析，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注行业资讯频道。