什么是社交网络的密度
在社交网络分析中，密度是用来衡量一个网络中节点之间连接紧密程度的一个指标。比如你和一群朋友组成的微信群，如果每个人都互相加了好友、频繁互动，那这个群的社交密度就高；相反，如果群里很多人互不相识、几乎不交流，密度自然就低。
密度值介于0到1之间，越接近1，说明关系越密集。它能帮我们快速判断一个社群是否活跃，有没有核心小圈子，或者是否存在信息孤岛。
密度怎么算
假设你有一个包含n个节点（人）的无向网络，最多可能存在的边（关系）数量是 n×(n−1)/2。如果你实际观察到的边数是e，那么密度公式就是：
密度 = e / (n × (n - 1) / 2)举个例子：一个5人的团队，理论上最多可以有10对双向关系。如果其中有6对建立了联系，那密度就是6/10=0.6，属于中等偏上的连接水平。
用Python快速计算密度
现在大多数分析都靠工具完成。下面这段代码用NetworkX库来构建一个简单的好友网络，并自动算出密度。
import networkx as nx
# 创建一个空的无向图
G = nx.Graph()
# 添加几个人作为节点
G.add_nodes_from(['A', 'B', 'C', 'D', 'E'])
# 添加他们之间的 friendship 关系
G.add_edges_from([('A', 'B'), ('A', 'C'), ('B', 'C'), ('C', 'D'), ('D', 'E')])
# 计算密度
density = nx.density(G)
print(f"社交网络密度: {density:.3f}")输出结果会是：社交网络密度: 0.400，说明这个小群体的关系还有拓展空间。
什么时候该关注密度
做用户运营时，如果你发现某个社区板块的互动密度特别低，可能意味着新人难融入，或者内容缺乏吸引力。反过来，过高密度也可能有问题——比如团队里所有人都只在一个小圈子里沟通，外部信息进不来，容易形成“回音室”效应。
企业内部沟通系统也可以用密度分析。HR通过邮件或IM数据建模，看看跨部门协作是否通畅。如果销售和技术之间的连接密度长期偏低，就得考虑组织协同机制是不是出了问题。
注意几个常见坑
密度对网络规模很敏感。人数少的时候，加一条边就能让密度明显上升；但当网络扩大到上千人，新增几个关系几乎不影响整体数值。所以别光看绝对值，要结合背景一起看。
另外，有向关系（比如微博的关注）和加权关系（聊天频率不同）会影响计算方式。这时候要用对应的变体公式，不能直接套用基础版本。