第1章 入馆须知：从图到网络

第1章 · 入馆须知：从图到网络

章节摘要：本章跟着一条主线走——把一家电影公司历年积累的演员合作记录，一步步装进标本瓶，变成一张可以被测量、被比较、被解剖的图。走完这条线，你就完成了网络科学的第一课：任何复杂系统，只有先翻译成「节点 + 边」，才能进入后续所有的分析。

一条主线

设想你接手了一份档案：某电影公司半个世纪的演职员表，密密麻麻全是名字。老板丢来一个问题——"哪些演员是圈子的核心？新人和老人是怎么搭上关系的？"这份档案本身什么都回答不了，它只是纸堆。

网络科学的第一步动作，是把纸堆翻译成标本：演员是节点，两个人出演过同一部影片就连一条边。翻译完成的那一刻，档案变成了一张图，问题也从"看档案"变成了"量标本"——谁的连线多（度）、两个人隔几个人能搭上（路径）、整个圈子是一整块还是碎成几派（连通性）。再往后，第 2 章会把这张图与人工培育的理论标本（随机图、小世界图）放在一起比对形态，第 4 章会解剖它为什么长成这样。但所有这些后续工序，都要求你先掌握本章的翻译与测量基本功。

这条主线也是全书的缩影：采集标本 → 测量形态特征 → 解剖生成机制 → 放归野外观察。本章解决前两步里最基础的部分。

沿途站点

本章共三节，沿主线推进：

第 1 节 · 开馆辞：当网络成为标本。交代这座馆的来历——网络科学为什么从数学玩具变成了理解真实世界的工具，以及「复杂网络」这个词到底复杂在哪：不是图复杂，而是整体行为无法从单个节点预测。

第 2 节 · 标本制作规程：节点、边与图的种类。动手做标本。什么叫节点、什么叫边只是入门，关键是「定义边」这个决定有多重的后果：好友关系建边和互发消息建边，会得到完全不同的两张图。还要认清图的四大种类（有向/无向、加权/无权）与两种存储方式（邻接矩阵、边列表），它们决定了你手里的工具能不能跑得动。

第 3 节 · 形态测量三把尺：度、路径与连通性。标本登记完毕，开始测量。度分布是第一把尺，它将在第 3 章升级为区分物种的头号特征；平均路径长度与直径是第二把尺，量出网络的「大小」；连通分量是第三把尺，告诉你网络是一整块还是碎的。三把尺都有 networkx 一行代码的对应实现，本章全部上手。

拐点与结论

本章真正的认知拐点在两个地方。其一，「网络」不是客观存在，而是你选择的结果——同样的演职员表，按"共同出演"建边和按"连续合作"建边会得到不同标本，先问研究问题，再定节点和边，次序不能反。其二，测量值离开参照系没有意义——平均路径长度 4.2 是长是短？要对同规模的随机图才算得出来，这个"和随机版比对"的思想将贯穿全书，并在第 5 章零模型一节正式命名。

走到章末，你应该能独立完成一个小型课题的起步动作：给定一份关系数据，判断该建成哪种图，用三把尺量出第一批形态数据。

读完你应该

离开本章前，对照下面这份可检验清单自查（均可考核）：

• 能用自己的话说出「复杂网络」与普通图的两个本质区别：非平凡拓扑特征与涌现行为
• 给定一个具体系统（如微博转发记录），能指出合理的节点定义、边定义，并说明换一种边定义结论会如何变
• 能区分有向/无向、加权/无权图，并为同一系统选择最合适的种类
• 能手算一个小图的度序列、平均路径长度，并写出邻接矩阵
• 能用 networkx 完成建图、算度分布、算平均路径长度、找连通分量这四个基本操作
• 理解「测量值要和随机基准比」的思想，知道它为什么必要

下一章的接力

主线的下一站是理论展室。带着你亲手测量的形态数据走进第 2 章：先看统计学家在纯随机规则下培育出的随机图长什么形态，再亲手重连一张规则格子得到小世界标本，最后把真实数据和这两件理论标本摆在一起鉴定——差距在哪里，就是后续章节的剧情走向。