1. 度   无向图：节点连接的边数；有向图： 出边数为出度，入边数为入度。
2. 子图　由图的节点集的子集以及边集的子集构成的图　
3. 连通分量    连通图本身为其唯一连通分量，非连通无向图有多个连通分量。
4. 连通图    强连通图：任意两个点之间相互可达； 弱连通图：至少一对节点不满足单向连通，而去掉边的方向后是连通图。
5. 最短路径    两个节点之间的可达经过的最少边数。
6. 图直径    图中任意两两节点的最短路径的最大值。

1. 度中心性   

    

2. 特征向量中心性    邻接矩阵最大特征值所对应的特征向量
3. 中介中心性    

   

4. 连接中心性

    

5. PageRank    节点PR为指向它的节点的PR值之和，边PR为该节点PR的平均。
6. Hits(hub、authority)    节点hub值为它所指向的节点的authority值之和，节点authority值为指向它的节点的hub值之和。

import numpy as np
import pandas as pd
import networkx as nx

edges = pd.DataFrame()
edges['sources'] = [0,1,2,3,4,4,6,7,7,9,1,4,4,4,6,7,5,8,9,8]
edges['targets'] = [1,4,4,4,6,7,5,8,9,8,0,1,2,3,4,4,6,7,7,9]
#edges['weights'] = [1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1]

G = nx.from_pandas_edgelist(edges, source='sources',target='targets')
# degree
print(nx.degree(G))
# 连通分量
print(list(nx.connected_components(G)))
# 图直径
print(nx.diameter(G))
# 度中心性
print('度中心性',nx.degree_centrality(G))
# 特征向量中心性
print('特征向量中心性',nx.eigenvector_centrality(G))
# betweenness
print('betweenness',nx.betweenness_centrality((G)))
# closeness
print('closeness',nx.closeness_centrality(G))
# pagerank
print('pagerank',nx.pagerank(G))
# HITS
print('HITS',nx.hits(G,tol=0.00001))