在上一篇《Gephi社會網絡分析-網絡圖的過濾器(濾波)》中，我們使用從知乎上采集到的實際的社交媒體數據，經GooSeeker分詞工具做分詞和選詞后生成共詞矩陣，在Gephi中導入共詞矩陣，在此基礎上學習和討論了Gephi網絡圖過濾的概念和實際操作演練。 本文參考Gephi官網的內容，繼續學習Gephi網絡圖的統計。其實，上一篇為了使過濾操作有數據支撐，我們已經使用了一個統計操作。簡單理解，統計就是針對圖的整體或者節點或者邊的一些統計指標的運算，這些統計值有助于更好的觀察和分析網絡。 我們之前在Jupyter Notebook中做過很多各種算法的實踐，各種度的計算，這些和Gephi的統計有些是交叉或者有關聯的，想詳細了解這些算法的實踐過程的朋友，可以直接下載這些Notebook后做運行和觀察，下面列舉其中幾篇：
今天我們將繼續使用從知乎上采集的“二舅”相關的話題作為我們實驗的數據源，將采集結果數據導入GooSeeker文本分詞軟件，經過選詞后生成共詞矩陣，以excel的形式導出。有關怎樣在Gephi導入不同形式的數據，請參考這篇文章《Gephi社會網絡分析數據的批量生成和導入》。 1 什么是Gephi的統計 Gephi提供多種統計（Statistics）方法用于網絡分析。
Gephi統計分為網絡概述、社>**(不當用詞)現、節點概述、邊概述、動態這5部分。由節點和邊組成的圖，主要的研究對象是節點和邊，包括圖中的節點有什么特性、邊有什么特性、節點能組成什么特性、邊能組合出什么特性，以及從整體上觀察，節點與邊的不同使圖有什么不同。 常用的有下面這些統計：
2 Gephi統計（Statistics）的基本過程 2.1 統計操作界面
統計與外觀、布局、過濾相比，在操作界面以及設置方面相對比較簡單。 統計中的統計項目分為網絡概述、社>**(不當用詞)現、節點概述、邊概述、動態5個部分，如上圖所示。 統計界面的左上角有一個“設置”按鈕，統計的設置與運算無關。單擊“設置”按鈕，可以選擇自己需要使用的統計方式。 2.2 統計的運行方式 每個統計的使用方式都是相同的，就是單擊統計方式右側的“運行”按鈕：
2.3 統計運行后帶來的變化 統計與外觀關系緊密相關，與過濾存在關系，與數據資料界面中的數據也存在關系。 我們下面做簡單網絡圖的一個PageRank統計，看看統計的運行對數據，過濾，外觀有什么影響。 PageRank是網絡節點重要性計算的一種算法，是搜索引擎（如百度、Google）用來計算網頁排名的最核心的算法。 先來看一下在未運行PageRank前，即先不做統計，數據資料界面、外觀界面、過濾界面是什么樣的。 在數據資料界面中，此實例的節點數據，如下圖所示：
節點數據分為3列，即Id、Label、Interval。 再看外觀設置窗口節點的設置，可以看到只有3種渲染方式：度、連入度、連出度。
再看過濾界面，單擊“濾波”選項卡，切換到濾波界面。選擇“屬性→等于”過濾方式，因為目前沒有值，所以相應的過濾器也沒有出現：
我們來做PageRank統計：單擊“統計”選項卡，切換到統計界面。然后單擊“PageRank”右側的“運行”按鈕，彈出“網頁排名設置”對話框，點擊“確定”后會彈出report框，點擊關閉即可：
我們再去看看采用“PageRank”統計后的數據資料界面、外觀界面、濾波界面的情況。 此時檢查節點數據，發現節點數據增加了一列PageRank，如下圖所示。其中PageRank一列的值，可以簡單理地解為該節點的“重要性”。節點的PageR-ank值越大，代表該節點的重要性越高。該算法應用在網頁排序中，某個網頁的PageRank值越高，則代表該頁面的重要性越高，相應該網頁在搜索結果中應該排在前列。
此時檢查外觀界面中的數值設定，發現在“選擇一種渲染方式”下拉列表中增加了“PageRank”渲染方式，如下圖所示：
此時檢查過濾的“屬性→等于”過濾方式，發現增加了“PageRank”一項過濾屬性，如下圖所示：
通過上面的這個操作過程我們可以理解到，在對一個圖做統計運算后，程序會把生成的值存儲在數據資料里，當數據資料里有這些值后，就可以提供給“外觀”和“過濾”使用，用來對網絡做更多的分析。 3 Gephi常用的統計功能介紹 這里我們只對每個統計項做一個基本解釋，更詳細的內容請參考官網資料及相關的圖知識和算法知識。 3.1 網絡概述
平均度 平均度與加權平均度所統計的值，既有各個節點的，也有網絡總體的。網絡直徑所統計的值，既有各個節點的，也有網絡總體的。 度是節點的屬性，但與邊有關系，沒有邊也就沒有度，一個節點的邊的數量也就是這個節點的度。 平均加權度 平均加權度是在統計節點度時，也考慮邊的權重，平均加權度與平均度的計算方式不同。 網絡直徑 網絡直徑是統計的邊的連接特性，統計網絡直徑后，得出的值一個是網絡整體的，另外幾個分別是介數中心度（Betweenness Centrality）、親密中心度（Closeness Centrality）、離心度（Eccentricity），還有新增的Harmonic Close-ness Centrality。 平均路徑長度 指在一個網絡中，節點的數量除以所有兩個節點最短路徑之和，也可以理解為就是求平均每個最短路徑可以分配到幾個節點。 圖密度 圖密度是實際有的邊數與最大可能邊數之比。 模塊化 模塊化是根據圖的連接關系對節點做歸類，類型相同的節點會增加一個字段，用相同的數字表示。模塊化在社會學中可以用于社區發現。 PageRank PageRank是一種根據網頁之間的鏈接關系對網頁的重要性進行評分的算法。 3.2 節點概述
平均聚類系數 聚類系數是指一個節點一度連接的節點中，實際的邊數與最大邊數之比。 特征向量中心度 特征向量中心度（Eigenvector Centrality）的核心思想是：一個重要的節點不僅與其他許多節點有連接，而且與它相連的節點也是比較重要的節點。 可以把特征向量中心度算法理解成是（無向圖）節點度統計方式的“增強版”。 3.3 邊概述
平均路徑長度 在一個網絡中，兩個節點之間，可能存在多條可連通的路徑，其中最短的路徑也稱作最短路徑，最短路徑的值是最短路徑中邊的個數。平均路徑指的是兩個節點之間的路徑。 4 使用共詞矩陣做Gephi統計實驗 4.1 導入GooSeeker分詞軟件生成的共詞矩陣excel文件
4.2 設置外觀
4.3 設置布局
4.4 設置顯示中文節點名稱 注意：要能顯示出中文標簽名，需要選擇特定的幾種標簽字體。下圖選擇了“宋體”：
4.5 做PageRank統計
4.6 基于PageRank做過濾 做PageRank統計后，基于PageRank范圍做節點過濾
5 總結 以上就是今天學習和實驗的Gephi統計相關的內容，和上一篇過濾的學習類似，今天我們仍然使用了從知乎上采集到的實際的社交媒體數據，經分詞工具做分詞和選詞后生成共詞矩陣，在Gephi中導入共詞矩陣。
從上面的實驗可以看出，增加了統計以后，社會網絡圖上就可以顯示更豐富的內容；而最重要的是，多了更多過濾指標。通過過濾，可以看到重要的節點和邊的關系，這是社會網絡分析的一項重要工作。 在GooSeeker分詞和情感分析軟件上，提供了按照共現次數多少進行過濾的功能，也就是根據邊的權重進行過濾。在此前發布的Jupyter Notebook中，我們又增加了使用MST算法化簡圖的方法，同時，可以利用Python Numpy的統計功能，用協方差、皮爾森相關系數、余弦相似度等度量邊的權重，例如，下面的notebook：
Gephi大大擴展了可以利用的過濾手段。 |
