在本文中，我们将不讨论提交的有关CFC的通知的法律方面，关于参与CFC的法律方面，我们将考虑该问题的技术方面。
毫无疑问，如果所涉及的控股公司将自己表示为LLC-> KIK-> Russian类型的简单结构，那么在机器的参与下在此处建造一些东西是不切实际的，如果结构分支，翻倍并且没有这些交织的数量，则是另一回事。
让我们看一下几种现有的图形解决方案，它们可以使您的工作变得更轻松。
为了方便可视化，将使用jupyter笔记本和python环境。
Networkx
该解决方案是提出的解决方案中最早的，并且不能吹嘘其交互性。在哈布雷（Habré）上也有关于此包裹的同一篇古代文章。
但是，旧的并不意味着不好，并且此选项在绘图和计算方面是最成功的选项之一。
通过jupyter安装和导入模块：
!pip install networkx
import networkx as nx
我们还导入其他添加。可以帮助您绘制形状的模块：
from matplotlib import pyplot as plt
%matplotlib inline
plt.rcParams.update({
'figure.figsize': (7.5, 7.5),
'axes.spines.right': False,
'axes.spines.left': False,
'axes.spines.top': False,
'axes.spines.bottom': False})
让我们使用networkx构建第一个网络：
from pathlib import Path
data_dir = Path('.') / 'data'
# Read edge list
G = nx.read_edgelist('example.edgelist')
# Draw network
#pos = nx.spring_layout(G)
pos = nx.spectral_layout(G)
#pos = nx.planar_layout(G)
nx.draw_networkx(G, pos)
plt.gca().margins(0.15, 0.15)
这是发生的事情：
如您所见，伊万诺夫拥有两个CFC，而这些CFC又拥有俄罗斯法人实体。通过人。
让我们分析上面的代码。
我们导入了模块，并指定了从以下位置读取磁盘上数据的位置：
from pathlib import Path
data_dir = Path('.') / 'data'
当前目录被读取为“ example.edgelist”：
G = nx.read_edgelist('example.edgelist')* example.edgelist是一个纯文本文件，如下所示：
# source target
1
2
1 2
1 _
2 _
这些值是由某人记录的，它们之间有一个空格。
接下来，我们确定了网络的外观：
pos = nx.spectral_layout(G)
如果我们更改为pos = nx.spring_layout（G），则它将采用以下形式：
奇怪的是，这种安排最适合较大的结构。
最后，我们绘制了网，标记了缩进：
nx.draw_networkx(G, pos)
plt.gca().margins(0.15, 0.15)
保存图片很容易：
plt.savefig('plot.png')
如何在Networkx中绘制线段
#
H = G.subgraph(['', '1', '_'])
plt.subplot(212)
print(":")
nx.draw_networkx(H)
我们在这里没有
缩进，名称为“ left”：Networkx使用节点和它们之间的链接的概念进行操作。在我们的情况下，节点是Ivanov，KIK1，KIK2，Romashka_OOO，Bucket_AO。链接是example.edgelist文件中的链接。
您只需参考G.nodes和G.edges方法即可看到它们：
networkx中的方向图（有向边列表）
让我们稍微澄清一下构造的网络，添加箭头：
# Read edge list
G = nx.read_edgelist(
str('example.edgelist'),
create_using=nx.DiGraph)
pos = nx.spectral_layout(G)
# Draw network
nx.draw_networkx(G, pos, arrowsize=20)
plt.gca().margins(0.15, 0.15)
进行微小的更改就可以更清晰地描绘谁是谁的所有者：
如您所见，在代码中，更改很小。
下一步是构建一个图形，在该图形中所有权包的大小将可见。
为此，您需要熟悉weight（重量）的概念是networkx可以使用的第三个主要参数。要将其包括在工作中，您需要将这些权重添加到文本文件中，例如：
# source target
1 100
2 100
1 2 50
1 _ 100
2 _ 100
现在，让我们使用权重重建网络并在图中指定权重：
# Read edge list
G = nx.read_weighted_edgelist(
str('example2.edgelist'))
# Extract weights
weights = [d['weight'] for s, t, d in G.edges(data=True)]
nx.draw_networkx(G,pos)
labels = nx.get_edge_attributes(G,'weight')
nx.draw_networkx_edge_labels(G,pos,edge_labels=labels)
plt.gca().margins(0.15, 0.15)
* example2.edgelist是上面带有权重生成的文件。
我们得到以下图片：
谁拥有谁以及如何拥有，networkx
现在，作为律师兼程序员，我们需要了解Ivanov拥有的顺序和数量，例如Bucket_AO公司，以及他是否完全拥有它。为了确定分支控股公司和目标LLC（JSC）的所有链中的所有权的事实，这是必需的，以便以后可以在CFC通知中注册这些链。
使用networkx，您可以按照以下步骤进行操作：
list(nx.all_simple_paths(G,'', '_'))第一个参数是所有者节点，第二个参数是我们要构建路径的节点。
使用此方法，您可以看到Ivanov的Bucket_AO属于以下链：
[['', '1', '2', '_'], ['', '2', '_']]
通过图形确认。
您可以通过乘以相应节点之间的权重来找到所有权份额：1 * 0.5 * 1 = 0.5，1 * 1 = 1。份额超过25％，必须提交通知。
在代码中，乘法是通过以下拐杖完成的（尚未找到更优雅的方法）：
x=0
b=0
c=[]
for i in list(nx.all_simple_paths(G,'', '_')):
for a in i:
if x>len(i)-2:
pass
else:
b=int(nx.bidirectional_dijkstra(G, i[x],i[x+1])[0])#
x+=1
c.append(b/100)
print(c)
import numpy as np
print(np.prod(c))
x=0
b=0
c=[]
for i in list(nx.all_shortest_paths(G,'', '_')):
for a in i:
if x>len(i)-2:
pass
else:
b=int(nx.bidirectional_dijkstra(G, i[x],i[x+1])[0])#
x+=1
c.append(b/100)
print(c)
import numpy as np
print(np.prod(c))
在第一种情况下，它将显示0.5的分数，在第二种情况下，它将显示0.5的分数
。例如，Netwulf。
净水
文档在这里。
网络本身是交互式的，这是其主要优势。安装python软件包后，让我们构建网络：
import netwulf as nw
plt.figure(figsize=(200,200))
G = nx.read_weighted_edgelist(str('example2.edgelist'),create_using=nx.DiGraph)
pos = nx.spring_layout(G)
nw.visualize(G)
运行代码后，jupyter冻结，并且在打开的其他浏览器窗口中，您可以看到结果：
在面板的右侧，您可以看到选项，这些选项的更改会影响在线构建的网络。
该软件包的缺点是尚无法显示节点之间的权重和箭头，但作者承诺对其进行改进。
*要返回jupyter，您需要单击“发布到python”选项：
此类python可视化的另一个不错的选择是年轻的webweb项目。
网路
文档在这里。
该网络以类似的方式构建：
from webweb import Web
web = Web(title='kitchen_sink')
web.display.networkName = 'tree'
web.display.networkLayer = 2
web.display.colorBy = 'ring'
web.display.sizeBy = 'degree'
web.display.gravity = .3
web.display.charge = 30
web.display.linkLength = 15
web.display.colorPalette = 'Greens'
web.display.scaleLinkOpacity = False
web.display.scaleLinkWidth = True
from pathlib import Path
data_dir = Path('.') / 'data'
# Read edge list
G = nx.read_edgelist('example.edgelist',create_using=nx.DiGraph)
plt.figure(figsize=(200,200))
# Draw network
pos = nx.spring_layout(G)
Web(list(G.edges)).show()
与netwulf相比的明显优势是：能够用颜色突出显示关键节点，可以在网络上用文本搜索具有突出显示的节点：
总而言之，我们可以说networkx的发展后代-netwulf和webweb有助于快速了解小型公司的结构。这两个模块都有冻结模式，可冻结由于图的交互性而将一堆粘在一起的节点冻结。但是，即使使用它们，使用大型结构（节点数量超过200个）也不容易。
财政部的“基座”，交叉和环所有权
构造这样的结构时，如果不是因为一件事破坏了整个画面，那么一切都会很好。但是，这是因为公司的控股权是通过其他法人实体拥有的。脸，这称为交叉所有权或戒指所有权。
财政部来信中的图片（例如，自02.07.2013-4-13/ 11912起）看起来像这样。
交叉所有权： 环形
：
让我们看看networkx如何为D参与B的交叉所有权计划定义链接。
让我们创建一个具有链接的边列表：
# source target
D B 45
B A 40
A B 55
E A 60
建立具有权重的网络后，您可以看到A和B之间的反馈未得到反映：
如果您构建的没有权重的网络（带有箭头）可以看出：
计算结果如何？ D在B中的累积份额是多少？
这里的一切似乎都是透明的，有45％
，networkx给出了命令列表（nx.all_simple_paths（G，'D'，'B'））：
[['D'，'B']]
但是并不是所有的事情都那么简单。
财政部表示，D在B中的总份额由以下公式确定：
并且将为57.69％。
该怎么办？ networkx是无能为力的吗？
完全没有，networkx会揭示这种情况，但是根据“法律信”，计算公式将有所不同。
通过将
AA
BB条目添加到边缘列表，可以部分解决此问题
此外，使用命令列表（nx.nodes_with_selfloops（G）），您可以查看自身参与的节点，但是在确定从D到B的路径时仍未考虑到这一点。
jupyter笔记本下载-此处。