调用PageRank算法获得每个节点人物的PR值，衡量人物重要程度 python代码

好的，下面是一个使用Python和NetworkX实现PageRank算法的示例代码：

import networkx as nx

# 构建有向图
G = nx.DiGraph()

# 添加节点
G.add_node("A")
G.add_node("B")
G.add_node("C")
G.add_node("D")

# 添加边
G.add_edge("A", "B")
G.add_edge("B", "C")
G.add_edge("C", "A")
G.add_edge("D", "C")

# 计算PageRank值
pr = nx.pagerank(G, alpha=0.85)

# 输出节点的PR值
for node, pr_value in pr.items():
    print(f"{node}: {pr_value}")

在这个示例中，我们首先使用NetworkX构建了一个有向图，其中包含4个节点（A、B、C、D）和4条边。然后，我们使用`nx.pagerank`函数计算了每个节点的PR值，并将结果存储在字典`pr`中。最后，我们遍历字典`pr`，并输出每个节点的PR值。

请注意，`nx.pagerank`函数的第二个参数`alpha`表示阻尼因子，通常设置为0.85。这个因子可以控制PageRank算法的收敛速度，一般不需要进行修改。