Gephi（深度版）

复杂网络/图论可视化专用

一、一句话定位

复杂网络/图论可视化专用

二、为什么是它：设计哲学与底层逻辑

Gephi 是复杂网络/图论可视化的专用工具：布局算法多（力导向、模块化）、社区发现与中心性可视化直观、拖拽免编程出图。它面向社交网络、传播、供应链、知识图谱等图结构题。哲学是"网络图专用、交互探索"。代价是只适合图结构数据、大数据卡顿、出版级微调有限、和建模流程衔接弱（指标最好先用 networkx 算）——它是"图数据的画布"，不是通用绘图。## 三、渲染管线与可复现性推导
布局即能量最小化（同网络图章节）：力导向迭代至平衡。模块度优化发现社区。它把"节点/边/属性"映射为视觉（大小=度、颜色=社群），是网络图"视觉编码"的专用实现：

$$\text{度}\ k_i\ \to\ \text{节点半径}\ r\propto\sqrt{k_i}\ (\text{面积}\propto k_i)$$

但仅限图数据，非通用；且 GUI 操作同样存在可复现缺口，故"指标用代码算、Gephi 只画"。## 四、适用场景

• 社交网络、传播、供应链、知识图谱等图结构题
• 要布局美观的网络图、社区发现可视化

五、优点

• ✅ 专为网络图设计，布局算法多
• ✅ 社区发现、中心性可视化直观
• ✅ 拖拽交互，免编程出图

六、缺点

• ⚠️ 只适合图结构数据
• ⚠️ 大数据图卡顿
• ⚠️ 出版级微调有限
• ⚠️ 和建模流程衔接弱

七、上手难度

中等

八、典型用途

• 复杂网络图
• 社区结构展示
• 节点重要性可视化

九、与谁搭配

网络数据用 Python(networkx)算指标，Gephi 只负责画

十、学习资源

• Gephi 官方快速上手
• 网络科学可视化教程

---

本篇来自《绘图软件横评（深度版）》· 数学建模学习资料站 MCM520

9、实战案例

案例场景：用 Gephi 分析社交网络、文献共引网络等关系数据。

完整代码

// Gephi 数据准备（CSV格式）
// nodes.csv
id,label,category
1,A,核心节点
2,B,外围节点
3,C,中介节点

// edges.csv
source,target,weight
1,2,5
1,3,3
2,3,2

// 在Gephi中操作步骤：
// 1. 导入 nodes.csv 和 edges.csv
// 2. 选择布局：ForceAtlas 2
// 3. 运行布局直到稳定
// 4. 按度 centrality 调整节点大小
// 5. 按模块度 coloring 着色
// 6. 导出 SVG/PNG 图片

---

实战案例

Gephi 社区发现实战

场景：社交网络 500 节点，需识别社群结构并找意见领袖。
任务：用 Gephi 模块化算法着色并量化中心性。

完整代码（text）

1. 导入边表 CSV（Source, Target, Weight）
2. Layout → ForceAtlas2（调 Scaling=2，Gravity=1）使社群散开
3. Statistics → Modularity（Resolution=1.0）→ 得到社区标签
4. Statistics → Degree（度中心性）、Betweenness（中介中心性）
5. 外观：节点大小=Degree，颜色=Modularity Class
6. 导出 SVG（矢量，可进论文）

运行效果

指标	值
模块化Q	0.71
社区数	6
度最高节点	#N12（意见领袖）
中介最高	#N88（跨社群桥梁）
图例分色显示 6 个社群，核心节点一目了然。