多虧學了這個Python庫，一晚上端掉了一個傳銷團伙...
“這是從他們窩點電腦里導出的一份數據，你先看看能不能找出什么端倪，我再去找幾個人問問話。”
王隊丟給我一個u盤，拿起飯盒胡亂塞了幾口飯，便拎起帽子快步走出了辦公室。
今晚我們根據情報，前往一處傳銷窩點實施了抓捕行動，帶回來了十幾個人。
但現場沒有發現什么重要證據，抓到的幾個人也都緘口不言，現在沒法知道他們是否還有其他的窩點，也不知道他們的上線是誰人在哪里，行動一時陷入了僵局。
而此時我手中的這份文件，可能會成為破局的關鍵。
我開始觀察起這份人員名單：invite_id字段是不重復的，應該和人名是一對一的關系；而invited_id重復的很多，而且基本都是在invite_id出現過的數據。
所以我們基本可以推斷出，這是一份記錄傳銷組織上下線關系的名單。數據足有數百條之多，可見這是一個不小的犯罪組織。
不到一個小時的功夫，王隊回來了。
“沒用，還是死鴨子嘴硬。”王隊一屁股坐在椅子上，看了一眼時間，已經快到十二點了。“那份數據看的怎么樣了，有沒有找到什么線索？”
“這是一個很大的組織，總成員數有好幾百，我們現在可能只抓到了冰山一角啊。”
“你說的沒錯，但正因如此，我們現在必須抓緊時間。”王隊走到我的工位前，“我們現在的任務是先找到他們的上線，擒賊先擒王。但今晚抓到的這群人都審不出東西來，雖然能確定他們的身份，暫時也還是確定不了他們之間的關系啊。”
“你說他們之間的關系？”我突然想起前段時間看到的networkx這個python庫，這次說不定能派上用場。“交給我了，給我五分鐘時間。”
首先用pandas導入文件中的數據，并篩選出我們需要的部分：
df = pd.read_excel('./doc/1_evidence.xls')
df = df.loc[:, ['id','name','invite_id','invited_id']]
df.columns = ['id','title','to', 'from']
然后調用networkx庫，生成層級關系圖并導出：
G = nx.from_pandas_edgelist(df, 'from', 'to', create_using=nx.DiGraph())
nt = net.Network('960px', '1280px', directed=True)
nt.from_nx(G)
nt.show('1_evidence.html')
這樣我就得到了這份文件對應的層級關系圖，上下線關系瞬間一目了然了：
一瞬間王隊面露喜色，但立馬又恢復了嚴肅：“你這個是不是有點華而不實啊，雖然看著挺直觀，但你能從里面找到誰是這個組織的最上級嗎？”
這當然難不倒我，最上級也就是圖中網絡的根節點，必然是沒有其他的點指向它的，所以我們只要遍歷所有節點，找到入度為0的點就可以了。
# 找到根節點
top_node = []
for node, degrees in G.in_degree():
if degrees == 0:
top_node.append(node)
print('Big Boss:', top_node)
“Big Boss: [100000]” 屏幕上出現了這樣的輸出。“100000這個編號在表中沒有對應的人，但100000下只有一個編號162385的下線，他應該就是這個組織的頭頭了。”
“不錯，要的就是這個！我去讓其他同事找這個人的信息，你繼續研究數據，把和這個人走的近的人全部找出來！”
這想必也不是難題，既然根節點已經找到了，我們便可以得到所有節點各自所在的層數。
# 設置所有節點級別
l = nx.shortest_path_length(G, 100000)
nx.set_node_attributes(G, l, 'level')
# 計算每級人員數目
data = {}
for node, level in l.items():
if level in data.keys():
data[level].append(node)
else:
data[level] = [node]
for level, nodes in data.items():
print(level, len(nodes))
這個組織竟然已經足足發展了36層，想想真是讓人直冒冷汗，還好我的同事及時發現了。
然后根據層級給節點標注顏色，方便觀察：
# 添加顏色
for node in G.nodes:
G.nodes[node]['title'] = str(node)
level = G.nodes[node]['level']
if level == 0:
G.nodes[node]['color'] = 'red'
elif level == 1:
G.nodes[node]['color'] = 'orange'
elif level == 2:
G.nodes[node]['color'] = 'yellow'
可以看到這個編號162385的人，自己只有兩個下線，而這兩個下線每人都各自另外發展了幾十個下線，想想還蠻有意思。
“找到了！”王隊撞開辦公室的門，“那個人找到了，就在今晚逮捕的這群人里面，還有兩個他的下線也在里面。他們也都承認了，現在正在重點審。”看來實際情況和我的推測完全相符，多虧了這份名單。
“你今晚立了件大功啊！”王隊走過來拍了拍我的肩膀。“不過現在還沒完，根據他們的口供，文件里的就是他們組織的全部人員信息了。你現在把他們發展下線最多的幾個人給我找出來，我們根據信息，立刻安排定點抓捕行動。”
跟前面的差不多，不過這次我需要遍歷所有節點的出度數，然后按倒序排序，取前幾項就可以了。
# 給下線前十的目標添加顏色
degrees = G.out_degree()
top_nodes = sorted(degrees, key=lambda x: x[1], reverse=True)[:10]
print(top_nodes)
for node in top_nodes:
G.nodes[node[0]]['color'] = 'green'
然后給目標節點加上顏色，方便觀察，最終得到了這樣的關系圖：
“干得不錯，只要再把這幾個人抓到，就相當于切斷了這個組織的大動脈，后面的慢慢收尾就可以了。”王隊把文件合上，笑著對我說。“沒想到你還有這本事，真是后生可畏啊！”
“今天抓到的那三條大魚，現在審出什么結果了？”相對于其他，我還是對案情本身更感興趣。
“別提了，都快笑死我了。這仨人看見證據直接慌了神，開始互相推卸責任，老大說同伙全是另外兩個人拉來的他都沒參與，另外倆人說騙局全是老大策劃的他們就是手下打工的，現在估計還吵著呢...”
