gephi是一个数据可视化处理软件，其中有很多对数据分析的统计算法，对于很多数据分析算法都有实现，那么就来看看其中的一些统计方法：
1. degree （平均度）
计算每个节点的度，并统计相同度的节点数量
平均度： 有向图： 所有点的度数总和/节点数*2 无向图： 所有点的度数总和/节点数
在图上能够，看出每个度所占的百分比，能够看到每种度用不同颜色标示
通过这个可以看出哪些节点的度高，反应出连接他的点就多，就越关键
2. weightedDegree 平均加权度
加权入度 加权出度 加权度
有向图： 取得每个点的边，如果该边的源为该节点，那么该边的权重为加权出度，反之亦然。计算出每个点的加权出度，入度和度
其实平均度是平均加权度的一个特例，平均度的每条边的权重为1
加权度为加权出度和入度的总和
计算同样入度出度的节点个数
无向图： 取得每个点的边，将边的权重求和，即为该点的加权度
平均加权度： 有向图：加权度总和／２＊节点数 无向图： 加权度总和／节点数
3. GraphDistance 网络直径
后续补充
4. graphdensity 图密度
无向图： 边数*2 / （节点数*节点数-节点数）
有向图： 边数 / （节点数*节点数-节点数）
大概理解： （节点数*节点数-节点数） 这个计算出最多的连接边数(不包含连自己) ， 用实际边数除以最大可能边数，即为密度， 结果越大表示图中节点连接越紧密
5. hits(
Hyperlink-Induced Topic Search) 分析经典的基于超链接分析的主题搜索 点击次数
计算2个值
authority: 每个节点入度的比值。 简单的，就是总的节点的入度和，除以该节点入度和，提现节点重要性，或者页面的重要性，被链接的多，说明入度多，就跟重要
计算每个引入（指向该节点）该节点（有入度的节点）的节点的hub(初始为1)总和，用该值除以所有点的authority值
hub：
计算每个引入（指向该节点）该节点（有出度的节点）的节点的 authority (初始为1)总和，用该值除以所有点的 hub 值
6. modularity 模块化
一种聚类算法，后续补充。。。