目录
一、Gephi介绍
Gephi具有强大的网络分析功能，可以进行各种网络度量，如度中心性、接近中心性、介数中心性等。它还支持社区检测算法，可以帮助用户发现网络中的群组和社区结构。此外，Gephi还提供了一组布局算法，用于在可视化时自动调整网络结构的位置，以便更好地展示网络的特征。
Gephi的可视化功能非常强大，可以将网络结构以图形方式呈现出来，并使用不同的颜色、形状和大小来表示节点和边的属性。用户可以使用丰富的过滤器和标签选项来控制可视化的细节，并可以交互式地浏览和探索网络结构。
Gephi是一个跨平台的工具，可以在Windows、Mac和Linux系统上运行。它使用Java开发，并提供了一个友好的用户界面，使用户可以轻松地导入、分析和可视化网络数据。
二、导入CSV文件构建网络
新建工程：
先下载数据：
sandi-auths | Collaboration Networks | Network Data Repository
Network Repository. An Interactive Scientific Network Data Repository.数据集：网络存储库不仅是第一个交互式存储库，而且是最大的网络存储库，拥有30多个领域(从生物到社会网络数据)的数千个捐赠。这个大型的综合网络图数据集对于做出重要的研究成果以及各种应用和领域(例如，网络科学，生物信息学，机器学习，数据挖掘，物理和社会科学)的基准网络数据集非常有用，包括关系，属性，异构，流，空间和时间序列网络数据以及非关系机器学习数据。所有图形数据集都可以轻松下载为标准一致的格式。我们还建立了一个多层次的交互式图分析引擎，允许用户可视化网络数据的结构、宏观层面的图数据统计以及重要的微观层面的节点和边的网络属性。
选择一个合适的协作数据集：
点开可以看到对应的参数：
数据集的展示：
该数据的部分统计参数：
下载好的数据集是MTX格式，这个Gephi处理不了，所以我们先用excel表格对数据进行简单的预处理，变成CSV的格式。
在数据资料部分，点击导入电子表格，找到创建好的.csv文件，选择导入即可。
可以看到这里的源节点和目的节点是必选的。其他的可选。
导入数据成功。
点击概览节点，可以设置对应的边和节点。
还可以选择不同的布局。
除此之外，还可以计算网络的数据： 平均度、平均加权度、网络直径、图密度、点击次数、PageRank、连接部件。
针对节点和边的分类：这里叫做分割。
基于度的大小对节点的颜色进行了分类。
左下角可以设置节点的标签：
三、图片输出
图片可以导出为PNG、PDF、SVG。
关于复杂网络建模，我前面写了很多，大家可以学习参考。
【复杂网络建模】——Python通过平均度和随机概率构建ER网络
【复杂网络建模】——Python可视化重要节点识别(PageRank算法)