Gephi作为一款社会网络分析作图的开源、轻量级软件，和ucinet相比，做的图渲染效果更好，更加美观。关于Gephi软件的教程，网上已有太多，不一而足。既然珠玉在前，就不赘述。下面就于笔者对Gephi使用的一些资料与心得整理。
——这是本文的思路结构
1.数据导入 2.作图 3.Gephi和ucinet的比较
1.数据导入
相比于UCINET的导入数据格式，Gephi要求的原始数据更加灵活，主要分为三种：
1.1 列表数据：
例如以博士就业的“来源-目标”为例：(当然优势根据需要还可以加入权重weight)
| source | target |
|---|---|
| 中山大学 | 中南大学 |
| 吉林大学 | 南京大学 |
1.2分表数据：数据节点与边分成两个表存储形式
- 节点表格
| Id | Label | Type |
|---|---|---|
| 1 | Apem | 3 |
| 2 | agro1 | 2 |
- 边表格
| source | Target | Weight |
|---|---|---|
| 1 | 2 | 3 |
| 3 | 2 | 3 |
上面两种格式，都需要在Gephi中导入xslx/csv文件。在这里，就需要在软件内提前下载插件“Convert Excel and csv files to networks”，教程如下：开源分析方法 | 专利网络可视化利器——Gephi
1.3共现矩阵：共现矩阵存储形式
| 张三 | 李四 | 王五 | |
|---|---|---|---|
| 张三 | 2 | 3 | 1 |
| 李四 | 2 | 3 | 2 |
| 王五 | 2 | 3 | 3 |
将原始的列表数据转化为共现矩阵，进而导入到Gephi（亦或是UCINET、Pajek）是最为常见的数据转化方法。但是通常情况下，无论是用BibExcel还是用BICOMB2，步骤都比较繁琐。相关参考资料如下，以供参考：
1.关键词词频共现分析——基于BibExcel和Pajek分析工具
2.词频共现矩阵分析步骤
3.应用BICOMB2处理EXCEL数据软件生成共现矩阵案例
在这里笔者安利一个神仙公众号，“学术点滴”。UP主做了一个CO_OC1.7软件，能够瞬间做共现及相异矩阵，同时将bibexcel、ucinet、pajek、vosviewer、gCLUTO(双聚类)、内容挖掘系统(ROSTCM6)作为插件集合于CO_OC1.7软件中，方便一体化分析及比较分析，节省时间。亲测有效，文章链接如下：
2.作图
网上关于作图的教程较为详细，多结合案例讲解，容易上手。参考如下：
1.Gephi网络图极简教程
2.Gephi教程实战：从入门到精通
3.开源分析方法 | 专利网络可视化利器——Gephi
4.1微信公众号 “胡大大数据”系列教程1
4.2微信公众号 “胡大大数据”系列教程2
4.3微信公众号 “胡大大数据”系列教程3
4.4微信公众号 “胡大大数据”系列教程4
3.Gephi跟UCINET的简单
（1）统计功能：Gephi<UCINET
Gephi为整个网络布局提供了一系列统计分析，包括平均度、平均加权度、网络直径、图密度、平均聚类系数等。这些功能在软解界面的右侧。而UCINET的统计分析功能更加强大，且能容纳更大体量的数据（行列小于255）。具体可以参见笔者前一篇关于UCINET软件界面的介绍：社会网络分析与UCINET 学习（一）
（2）作图渲染：Gephi>UCINET
Gephi提供12中布局方式，其中，力导向算法(Force Atlas和 ForceAtlas2)、圆形布局和胡一凡布局(Yifan Hu、Yifan Hu比例、Yifan Hu多水平)是六种最主要的布局算法。而且Gephi做的图可以导出为SVG格式，SVG格式即可以在AI上完善，也可以在相关的SVG在线修改网站上进一步增加美术内容。为了更直观的表现出两者作图的效果差异，笔者举如下两张图：
但是这不是说明Gephi的作图效果一定就比UCINET好，一切都是“以图能最直观的表达观点”为直接目标。所以需要对这两种作图软件尽量上手，拿两者做的图相互比较，选择最能代表研究观点的图。如同研究一样，一切都是以表达观点为立意点，切不可成了炫技的秀方法文章。
