第4章网络构建基础

4、网络构建基础：从关系数据到图结构

各位同学，今天我们来聊聊投资知识网络里最核心的一步——网络构建。

说白了，就是把那些散落在Excel表格、数据库里的关系数据，变成一张能跑能算的图。我刚开始做投资分析时，总觉得数据就是数据，直到有一次我试图找出两家看似无关的公司之间的隐性关联，手动翻了三天报表……嗯，从那以后，我彻底明白了：没有图结构，你永远看不到关系的全貌。

你想想看，传统的关系数据长什么样？

一张表，行是实体，列是属性。比如「公司信息表」里，一行就是一家公司，列是名称、行业、市值。另一张「投资关系表」里，一行就是一笔投资，列是投资方、被投方、金额。

这种结构，查单条记录很快。但如果你想问：「A公司投过的所有公司里，有哪些后来又投了B公司的竞争对手？」——嗯，SQL写起来能让你怀疑人生。

图结构就不一样了。它把实体变成节点，把关系变成边。节点可以带属性（比如公司名称、行业），边也可以带属性（比如投资金额、时间）。

我个人习惯把图结构想象成一张「关系网」。你站在一个节点上，顺着边一跳，就能找到所有关联。这种直觉，是传统表格给不了的。

  核心区别一句话： 关系数据擅长「查什么」，图结构擅长「查怎么连」。

说到图结构，第一个绕不开的概念就是邻接矩阵。

假设我们有4家公司：A、B、C、D。它们之间的投资关系如下：

用邻接矩阵表示，就是一个4x4的方阵：

    A  B  C  D
A   0  1  1  0
B   0  0  0  1
C   0  0  0  1
D   0  0  0  0

行表示投资方，列表示被投方。1表示有关系，0表示没关系。

我在项目中遇到过一个问题：当节点数量超过1000时，邻接矩阵会变得非常稀疏——大部分格子都是0。存储起来浪费空间，计算起来也慢。所以，邻接矩阵更适合小规模、稠密的网络分析。

小技巧： 如果你用Python做分析，可以用NumPy的稀疏矩阵来存储邻接矩阵，能省不少内存。

邻接矩阵虽然直观，但实际工作中，我更常用边列表。

边列表就是一张两列（或三列）的表：

你看，每一行就是一条边。简单、清晰、容易扩展。我处理过最大的边列表有上亿条记录，用CSV格式存储，配合Python的pandas库，处理起来毫无压力。

为什么会这样？因为边列表只存储有关系的边，没有冗余的0。对于稀疏网络来说，这是最经济的方式。

避坑指南： 我曾经因为边列表里混入了重复边，导致网络分析结果完全跑偏。记得在导入数据前，一定要做去重和校验。

当你的网络规模大到一定程度——比如几百万个节点、几千万条边——内存里放不下，硬盘上查不动，这时候就需要图数据库了。

我个人最常用的是Neo4j。它原生支持图结构，查询语言叫Cypher，写起来非常直观。

举个例子，你想查「A公司投资过的所有公司」：

MATCH (a:Company {name: 'A'})-[r:INVESTED_IN]->(b:Company)
RETURN b.name, r.amount

是不是很像在画图？你几乎是在用自然语言描述「从A出发，沿着投资边，找到目标公司」。

Neo4j的底层存储就是邻接表——每个节点都存着它所有邻居的指针。所以遍历关系时，不需要全表扫描，速度极快。

我记得有一次帮一个基金做尽调，需要分析一个包含50万家公司、200万条投资关系的网络。用传统数据库查一个「三层关联」的路径，跑了20分钟还没出结果。换成Neo4j，同样的查询，0.3秒。

  什么时候该用图数据库？
  你的数据中，关系比实体本身更重要
你需要频繁做多跳查询（比如查「朋友的朋友的朋友」）
你的网络规模超过10万节点

下面这张图，是我自己梳理的本章知识结构。你可以把它当作一张「地图」，随时回来对照。

这张图把本章的核心脉络串起来了。从左到右，是从数据格式到存储引擎的演进；从上到下，是每个分支的具体实现方式。你可以把它当作一个「导航图」，随时回来对照。

我的建议： 刚开始做网络分析时，先用边列表+Python把原型跑通。等数据量大了，再迁移到Neo4j。不要一上来就上图数据库，容易过度设计。

好了，这一章的内容就到这里。网络构建是投资知识可视化的地基，地基打牢了，后面画图、分析、挖掘才会顺手。下一章我们会聊到「布局算法」——也就是怎么把这张网画得既好看又好懂。