“這是從他們窩點(diǎn)電腦里導(dǎo)出的一份數(shù)據(jù)，你先看看能不能找出什么端倪，我再去找?guī)讉€(gè)人問(wèn)問(wèn)話?！?/p>

王隊(duì)丟給我一個(gè)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(jù)情報(bào)，前往一處傳銷窩點(diǎn)實(shí)施了抓捕行動(dòng)，帶回來(lái)了十幾個(gè)人。

但現(xiàn)場(chǎng)沒(méi)有發(fā)現(xiàn)什么重要證據(jù)，抓到的幾個(gè)人也都緘口不言，現(xiàn)在沒(méi)法知道他們是否還有其他的窩點(diǎn)，也不知道他們的上線是誰(shuí)人在哪里，行動(dòng)一時(shí)陷入了僵局。

而此時(shí)我手中的這份文件，可能會(huì)成為破局的關(guān)鍵。

我開(kāi)始觀察起這份人員名單：invite_id字段是不重復(fù)的，應(yīng)該和人名是一對(duì)一的關(guān)系；而invited_id重復(fù)的很多，而且基本都是在invite_id出現(xiàn)過(guò)的數(shù)據(jù)。

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(guān)系的名單。數(shù)據(jù)足有數(shù)百條之多，可見(jiàn)這是一個(gè)不小的犯罪組織。

不到一個(gè)小時(shí)的功夫，王隊(duì)回來(lái)了。

“沒(méi)用，還是死鴨子嘴硬?！蓖蹶?duì)一屁股坐在椅子上，看了一眼時(shí)間，已經(jīng)快到十二點(diǎn)了?！澳欠輸?shù)據(jù)看的怎么樣了，有沒(méi)有找到什么線索？”

“這是一個(gè)很大的組織，總成員數(shù)有好幾百，我們現(xiàn)在可能只抓到了冰山一角啊?！?/p>

“你說(shuō)的沒(méi)錯(cuò)，但正因如此，我們現(xiàn)在必須抓緊時(shí)間?！蓖蹶?duì)走到我的工位前，“我們現(xiàn)在的任務(wù)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(lái)，雖然能確定他們的身份，暫時(shí)也還是確定不了他們之間的關(guān)系啊?！?/p>

“你說(shuō)他們之間的關(guān)系？”我突然想起前段時(shí)間看到的networkx這個(gè)python庫(kù)，這次說(shuō)不定能派上用場(chǎng)?！敖唤o我了，給我五分鐘時(shí)間?！?/p>

首先用pandas導(dǎo)入文件中的數(shù)據(jù)，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(diào)用networkx庫(kù)，生成層級(jí)關(guān)系圖并導(dǎo)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(duì)應(yīng)的層級(jí)關(guān)系圖，上下線關(guān)系瞬間一目了然了：

一瞬間王隊(duì)面露喜色，但立馬又恢復(fù)了嚴(yán)肅：“你這個(gè)是不是有點(diǎn)華而不實(shí)啊，雖然看著挺直觀，但你能從里面找到誰(shuí)是這個(gè)組織的最上級(jí)嗎？”

這當(dāng)然難不倒我，最上級(jí)也就是圖中網(wǎng)絡(luò)的根節(jié)點(diǎn)，必然是沒(méi)有其他的點(diǎn)指向它的，所以我們只要遍歷所有節(jié)點(diǎn)，找到入度為0的點(diǎn)就可以了。

# 找到根節(jié)點(diǎn)
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(xiàn)了這樣的輸出?！?00000這個(gè)編號(hào)在表中沒(méi)有對(duì)應(yīng)的人，但100000下只有一個(gè)編號(hào)162385的下線，他應(yīng)該就是這個(gè)組織的頭頭了。”

“不錯(cuò)，要的就是這個(gè)！我去讓其他同事找這個(gè)人的信息，你繼續(xù)研究數(shù)據(jù)，把和這個(gè)人走的近的人全部找出來(lái)！”

這想必也不是難題，既然根節(jié)點(diǎn)已經(jīng)找到了，我們便可以得到所有節(jié)點(diǎn)各自所在的層數(shù)。

# 設(shè)置所有節(jié)點(diǎn)級(jí)別
l = nx.shortest_path_length(G, 100000)
nx.set_node_attributes(G, l, 'level')

# 計(jì)算每級(jí)人員數(shù)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(gè)組織竟然已經(jīng)足足發(fā)展了36層，想想真是讓人直冒冷汗，還好我的同事及時(shí)發(fā)現(xiàn)了。

然后根據(jù)層級(jí)給節(jié)點(diǎn)標(biāo)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(gè)編號(hào)162385的人，自己只有兩個(gè)下線，而這兩個(gè)下線每人都各自另外發(fā)展了幾十個(gè)下線，想想還蠻有意思。

“找到了！”王隊(duì)撞開(kāi)辦公室的門，“那個(gè)人找到了，就在今晚逮捕的這群人里面，還有兩個(gè)他的下線也在里面。他們也都承認(rèn)了，現(xiàn)在正在重點(diǎn)審?！笨磥?lái)實(shí)際情況和我的推測(cè)完全相符，多虧了這份名單。

“你今晚立了件大功啊！”王隊(duì)走過(guò)來(lái)拍了拍我的肩膀?！安贿^(guò)現(xiàn)在還沒(méi)完，根據(jù)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(xiàn)在把他們發(fā)展下線最多的幾個(gè)人給我找出來(lái)，我們根據(jù)信息，立刻安排定點(diǎn)抓捕行動(dòng)?！?/p>

跟前面的差不多，不過(guò)這次我需要遍歷所有節(jié)點(diǎn)的出度數(shù)，然后按倒序排序，取前幾項(xiàng)就可以了。

# 給下線前十的目標(biāo)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(biāo)節(jié)點(diǎn)加上顏色，方便觀察，最終得到了這樣的關(guān)系圖：

“干得不錯(cuò)，只要再把這幾個(gè)人抓到，就相當(dāng)于切斷了這個(gè)組織的大動(dòng)脈，后面的慢慢收尾就可以了。”王隊(duì)把文件合上，笑著對(duì)我說(shuō)?！皼](méi)想到你還有這本事，真是后生可畏??！”

“今天抓到的那三條大魚，現(xiàn)在審出什么結(jié)果了？”相對(duì)于其他，我還是對(duì)案情本身更感興趣。

“別提了，都快笑死我了。這仨人看見(jiàn)證據(jù)直接慌了神，開(kāi)始互相推卸責(zé)任，老大說(shuō)同伙全是另外兩個(gè)人拉來(lái)的他都沒(méi)參與，另外倆人說(shuō)騙局全是老大策劃的他們就是手下打工的，現(xiàn)在估計(jì)還吵著呢...”