社会网络分析（Social Network Analysis，简称SNA）是一种研究社会结构的方法，它通过图形和数学模型来描述和分析个体之间的关系。在社会学、心理学、市场营销等多个领域，社会网络分析都发挥着重要作用。本文将详细介绍社会网络分析的五大关键指标，帮助读者洞察人际网络的奥秘。
1. 度（Degree）
度是指一个节点（个体）在网络中连接的其他节点的数量。根据连接的节点类型，度可以分为：
- 出度：一个节点连接到其他节点的数量。
- 入度：连接到该节点的其他节点的数量。
- 总度：出度和入度的总和。
度可以反映一个个体在社交网络中的影响力。例如，在朋友圈中，拥有较高出度的人可能是一个社交达人，而拥有较高入度的人可能是一个受欢迎的人。
2. 密度（Density）
密度是指网络中实际存在的连接数与可能存在的最大连接数之比。密度越高，说明网络中的个体之间联系越紧密。
def calculate_density(connections, total_nodes):
total_possible_connections = total_nodes * (total_nodes - 1) / 2
return len(connections) / total_possible_connections
3. 中介中心性（Betweenness Centrality）
中介中心性是指一个节点在连接其他节点时所扮演的角色。一个具有高中介中心性的节点，意味着它连接了网络中其他节点，并在信息传递中起到关键作用。
def betweenness_centrality(graph, node):
# graph: 一个表示网络的字典，键为节点，值为连接的节点列表
# node: 要计算中介中心性的节点
# 返回该节点的中介中心性值
pass
4. 度中心性（Closeness Centrality）
度中心性是指一个节点到网络中所有其他节点的最短路径长度之和。度中心性越高，说明该节点在网络中的位置越重要。
def closeness_centrality(graph, node):
# graph: 一个表示网络的字典，键为节点，值为连接的节点列表
# node: 要计算度中心性的节点
# 返回该节点的度中心性值
pass
5. 聚类系数（Clustering Coefficient）
聚类系数是指一个节点连接的其他节点中，这些节点之间也相互连接的概率。聚类系数越高，说明网络中的个体倾向于形成紧密的群体。
def clustering_coefficient(graph, node):
# graph: 一个表示网络的字典，键为节点，值为连接的节点列表
# node: 要计算聚类系数的节点
# 返回该节点的聚类系数值
pass
通过以上五大关键指标，我们可以深入洞察人际网络的奥秘。在实际应用中，可以根据具体的研究目的和场景，选择合适的指标进行分析。