企业官网建设流程全解析

图论里有个指标，名字听起来平平无奇，但只要你在社交网络、推荐系统或者生物网络里动过手，就一定会撞上它——聚类系数（Clustering coefficient）。它回答的是一个特别朴素的问题：你认识的人之间，互相认识的比例有多高。听着简单，可我在实际项目里见过太多人算错，或者算对了却用错，最后拿一个跟基线毫无可比性的数字去做结论。这篇就按我自己的理解路径来拆：先说清楚它在量什么，再把公式里每一个分母为什么长成这样推一遍，然后手写代码跑两个反直觉的小例子，最后聊聊真实场景里的用法和我踩过的坑。适合刚接触图论、需要快速把这个指标用起来的人，也适合已经会调networkx但一直没搞明白average_clustering和transitivity为什么结果对不上的朋友。

1. 先把直觉钉死：聚类系数到底在量什么

1.1 从"朋友的朋友"到三角形计数

先忘掉公式。给你一张无向图，取其中一个节点 i，把它的所有邻居拎出来放在一起。现在问：这些邻居之间，自己内部连了多少条边？如果邻居们互相之间全是熟人，形成一个密不透风的小圈子，那节点 i 的局部聚类系数就接近 1；如果 i 只是一个把两拨互不相干的人串起来的中间人，那这个值就接近 0。

这个"密不透风的小圈子"在图论里有正式名字，叫三角形。三个节点两两相连，就是一个三角形。节点 i 的局部聚类系数，本质上就是在数：以 i 为顶点之一、能凑出多少个三角形，占理论上最多能凑出多少个的比例。

这个视角一换，很多困惑就没了。所谓"聚类"，不是聚类算法里那个把点分组的意思，它衡量的是局部稠密程度，是网络在微观尺度上"抱团"的程度。我在跟业务方解释的时候通常这么说：这个数高，说明这个网络里信息在小圈子里打转，传播靠熟人；这个数低，说明网络更像一个广播塔结构，信息要靠枢纽节点往外散。

为什么这个指标值得单独拎出来讲？因为它是少数几个不需要跑复杂算法、不需要迭代收敛、单次遍历就能算出来的结构指标之一，却又能区分出非常本质的网络形态差异。随机图的聚类系数天然接近边密度，而真实社交网络往往比同规模随机图高出几十倍甚至上百倍，这个落差本身就是信息。

1.2 三个名字相似、结果差十倍的指标

这是最容易翻车的地方。很多资料里"聚类系数"四个字被混用，实际上至少有三种不同的东西：

先说局部值。对节点 i，记它的度数为 k（邻居个数），记它的邻居之间实际存在的边数为 e，那么：

C_i = 2e / (k * (k - 1))

分子里的 2 是因为每条边被数了两次。分母 k(k-1) 是 k 个邻居两两配对的有序数目——为什么用有序对而不是组合数？因为这样分子分母的计数口径才能对上，2e 也是有序计数的结果。如果你想让公式更直观，可以写成等价的组合形式：C_i = e / C(k, 2)，也就是"实际边数除以可能的边数"。这两个写法完全等价，我个人更喜欢后者，因为它一眼就能看出这是个"实际/理论最大"的比值。

然后是平均聚类系数，就是所有节点局部值的算术平均。注意这里有个细节：度为 0 和 1 的节点，分母是 0，公式没法算。不同库的处理不一样，networkx的做法是直接记 0 并且算进平均里，这一点后面还会专门讲。

最后是全局聚类系数，也叫传递性（transitivity）。它不再逐节点算，而是在整张图上数：

transitivity = 3 * 三角形总数 / 连通三元组总数

连通三元组指的是长度为 2 的路径，也就是形如 a-b-c 且 a、c 不要求相连的结构。每个三角形里包含 3 个连通三元组，所以分子乘 3 才能和分母同量纲。

1.3 什么时候该用哪一个：一张选择表

这三个指标不是随便挑的，选错了结论会直接反过来。我一般按下面的逻辑选：

• 想看节点层面的特征，比如给每个用户打一个"社团结实度"标签喂给模型，用局部聚类系数。
• 想刻画整张图的形态，且图里度分布比较均匀（比如规则网格、小规模实验图），平均聚类系数就够了，直观好解释。
• 图里有明显的超级枢纽节点，度分布极不均匀，这时候我几乎总是看全局聚类系数，或者两个一起报，绝不只看平均值。
• 做小世界性判断，标准做法是同时报平均聚类系数和平均最短路径长度，再和同规模同边数的随机图对照。

注意：如果你在论文或报告里只写"聚类系数为 0.31"，这个数字基本没有信息量，必须写清楚是 local、average 还是 global，以及图的规模、边数、是否去除自环多重边。

2. 局部聚类系数：公式里的分母比分子更容易出错

2.1 从 2e/k(k-1) 手推一遍

我见过太多人把这个公式背下来却不知道 2 从哪来。我们真的推一遍，用 3 个节点的三角形举例：节点 i 有 2 个邻居，邻居之间有一条边。k = 2，e = 1，代入 2×1/(2×1) = 1。正确，因为三个节点两两相连，这确实是个完美的小圈子。

再看一个 4 个节点的例子：i 有 3 个邻居 a、b、c，边只有 a-b 和 a-c 两条，b-c 不相连。k = 3，e = 2，C_i = 4/(3×2) = 2/3 ≈ 0.667。直觉验证一下：3 个邻居之间理论上有 3 对可能相连（ab、ac、bc），实际连了 2 对，比例就是 2/3，对上了。

再换个角度，用三角形数量来表示会更方便写代码。设 T_i 为包含节点 i 的三角形个数，那么 T_i 恰好等于 e，也就是邻居之间的边数——因为每一对相连的邻居加上 i 本身，就构成一个三角形。所以：

C_i = 2 * T_i / (k_i * (k_i - 1))

这个形式在工程上特别好用，因为三角形个数是可以在一次遍历里顺带算出来的，你不需要为每个节点单独做邻居两两检查。

2.2 度为 0 和 1 的节点为什么必须单独讨论

k = 0 的孤立节点，压根没有邻居；k = 1 的叶子节点，只有一个邻居，一个人凑不出任何一对。这两种情况下分母为 0，公式无定义。数学上通常约定 C_i = 0，但这会带来一个副作用：平均聚类系数会被大量叶子节点稀释。

举个真实的场景。电商的用户-商品二部图投影成用户-用户图之后，会出现大量度只有 1 到 2 的用户；社交平台的长期沉默账号也是这样。如果你把所有这些节点按 0 计入平均，得到的数字会低得离谱，然后你可能会得出"这个社区很松散"的错误结论——而实际情况是，那些活跃用户的圈子密得像铁桶。

我的处理习惯是：报平均聚类系数时，同时报一份"仅统计度 ≥ 2 节点"的结果，两个数字一起给。如果两者差别在 10% 以内，说明叶子节点不构成主要影响；如果差出好几倍，那就要在结论里明确说明这个口径问题，因为不同口径下这两个数可能支撑完全相反的判断。

还有一个隐蔽的坑：某些库在计算平均值时会自动跳过未定义节点，某些库会补 0。同一个数据集换一个库，平均聚类系数能从 0.4 掉到 0.08。这不是数据的问题，是口径的问题。所以我在代码里从来不直接用库的average_clustering，而是自己取字典求平均，顺便控制要不要过滤低度节点。

2.3 有向图的四种三角形与 Fagiolo 口径

无向图里三角形只有一种形态，有向图里就热闹了。3 个节点之间有向三角形按边的方向可以分成四类：循环型（a→b→c→a）、中间人型（a→b→c 且 a→c，也就是 b 是中间人）、入型、出型。很多文献会给每一类单独定义一个聚类系数，再取平均作为总的。

如果你的图确实有方向性含义——关注关系、转账流水、邮件往来、调用依赖——直接把方向砍掉再算无向聚类系数，会丢掉关键信息。举个极端例子：一个纯粹的下级向上级汇报的树状结构，砍掉方向以后变成一张无向树，聚类系数必然是 0；但这个"0"其实什么也没说，因为树本来就没有三角形。

2.4 加权图：Onnela 的几何平均与 Barrat 的算术平均

边权重的引入会带来一个更麻烦的问题：权重到底应该怎么进入公式？常见的有两条路线，结果和解释都不一样。

第一条是Onnela 路线，用几何平均，也就是把三条边的归一化权重相乘再开三次方：

C_i^w = 1 / (k_i(k_i-1)) * Σ_{j,h} (ŵ_ij * ŵ_ih * ŵ_jh)^(1/3)

这里的 ŵ 是权重除以全图最大权重做的归一化。这个形式的物理含义很清楚：一个三角形只要有一条边的权重接近 0，整个乘积就接近 0，也就是"断了一条边的三角形不算数"。它强调的是闭合强度。

第二条是Barrat 路线，用算术平均，把节点 i 与两条边的平均权重作为三角形的权重。这个形式更关注节点的重要性，一个和所有人都强连接的节点会拿到很高的值。

两者在加权社交网络上的结果经常差别很大，尤其是在权重分布偏斜的时候。我的经验是：做链路预测或推荐用 Onnela，因为它对"弱边"的惩罚符合直觉；做中心性相关的排序用 Barrat，因为它能突出枢纽节点。选之前先想清楚你要回答的问题是什么，别看哪个公式顺眼就用哪个。

提示：networkx的nx.clustering(G, weight='weight')实现的是 Onnela 那一套，并且内部会把权重按最大值归一化。如果你自己已经做过归一化，就没必要再依赖它这一步，直接手写更可控。

3. 两个图算给你看：平均值和全局值到底能差多少

3.1 例子一：K10 挂 90 个叶子，全局值远大于平均值

光说"会被枢纽节点主导"太抽象，我们算一个。构造一张图：一个 10 个节点的完全图（K10），然后用 90 个叶子节点平均挂到这 10 个节点上，每个挂 9 个。总节点数 100，总边数 45 + 90 = 135。

先算全局聚类系数。每个 K10 节点的度数是 9（圈内）+ 9（叶子）= 18，以它为中心能形成的连通三元组是 C(18, 2) = 153，10 个节点合计 1530 个三元组。三角形只有 K10 内部的 C(10, 3) = 120 个，闭合三元组 360 个。所以 transitivity = 360 / 1530 ≈0.235。

再算平均局部聚类系数。K10 节点参与的三角形数是 C(9, 2) = 36，所以 C_i = 2×36 / (18×17) = 72/306 ≈ 0.235。90 个叶子节点全是 0。平均值 = (10 × 0.235) / 100 ≈0.0235。

两个数字差了整整10 倍。全局值告诉你"网络上确实存在一个很紧密的核心圈子"，平均值告诉你"平均每个节点处在很松散的位置"，两个说法都对，取决于你想问什么。

3.2 例子二：三角+星形桥接，平均值反超全局值

反过来再造一个例子。一个三角形（节点 t1、t2、t3），一个星形（中心 c，10 个叶子），再用一条边把 t1 和 c 连起来，让图保持连通。总节点 14，总边 3 + 10 + 1 = 11。

局部值：t2 和 t3 的邻居都是另外两个三角形节点，互相相连，C = 1；t1 的邻居是 t2、t3、c，其中只有 t2-t3 是边，C = 2×1/(3×2) = 1/3；c 和 10 个叶子都是 0。平均值 = (1 + 1 + 1/3) / 14 ≈0.167。

连通三元组：t2 处 1 个，t3 处 1 个，t1 处 C(3,2) = 3 个，c 处 C(11,2) = 55 个，叶子 0，合计 60 个。三角形只有 1 个，闭合三元组 3 个。transitivity = 3/60 =0.05。

这次反过来了，平均值（0.167）是全局值（0.05）的三倍多。原因是那个星形中心 c 一个人贡献了 55 个不闭合的三元组，把全局值狠狠地拉了下来，但它在平均值里只占 1/14 的权重。

3.3 从这两个例子提炼出的判断规则

把两个例子摆在一起，规律就很清楚了：

我自己的习惯是：永远两个都算，然后比较它们的比值。这个比值本身就携带信息。比值接近 1，说明聚类在所有节点上分布均匀；比值远大于 1，说明高的那部分是被少数低度节点的紧密小圈子撑起来的；比值远小于 1，说明枢纽节点数量多但彼此之间不闭合，网络以"广播"为主要传播模式。这个经验是我在分析一批社区数据时总结出来的，比单独看任何一个数字都有用。

3.4 随机图基线：p 值和度保持零模型

绝对数值本身几乎没有意义，必须有基线。最简单的基线是 Erdős–Rényi 随机图：如果每个节点对以概率 p 独立连边，那么任意三个节点构成三角形的概率是 p³，而局部聚类系数的期望恰好等于 p（因为邻居之间的边也是以概率 p 独立存在的）。所以边密度是多少，随机图的聚类系数就大概是多少。

但 ER 基线太粗了。真实网络的度分布是重尾的，你再拿一个均匀度分布的随机图去对照，等于拿苹果比橘子。更靠谱的做法是用度保持零模型：生成一个和原图度数序列完全相同、但边随机重连的图，算它的聚类系数作为基线。这样做出来的对照，才能说明"多余的三角形是结构性的还是度分布带来的必然结果"。

networkx里可以用配置模型生成近似图：先nx.configuration_model(degree_sequence)，然后去掉自环和平行边，再做一次双重边交换（nx.double_edge_swap）来采样。这个过程要做几十次取平均，才能得到一个稳定的基线值。听起来麻烦，但这是区分"真结构"和"统计噪声"的唯一办法。

4. 代码落地：networkx 的快捷路径和手写实现

4.1 networkx 里那几个容易混的 API

先把几个常用接口的区别说清楚，这几个名字看着像，行为完全不同：

import networkx as nx G = nx.karate_club_graph() local = nx.clustering(G) # dict: 节点 -> 局部聚类系数 avg = nx.average_clustering(G) # 所有节点局部值的算术平均（低度节点记 0） glob = nx.transitivity(G) # 全局聚类系数（传递性） tri = nx.triangles(G) # dict: 节点 -> 参与的三角形个数

几个必须知道的细节：

• nx.average_clustering的默认口径是包含所有节点，度小于 2 的记为 0。想要另一种口径只能自己算。
• nx.transitivity和nx.average_clustering在大多数真实网络上的结果不一样，通常差 2 到 10 倍，这是正常的，不是 bug。
• 遇到有向图时，nx.clustering的处理方式在不同版本上有差异，有的版本内部会转成无向图再算。我的做法是永远先显式G.to_undirected()，把口径钉死，不依赖库的默认行为。
• nx.triangles返回的是每个节点参与的三角形个数，sum(tri.values())等于三角形总数的 3 倍（每个三角形被它的三个顶点各数一次）。这个恒等式可以用来做交叉验证。

4.2 用三角形计数反推局部聚类系数

既然 C_i = 2 T_i / (k_i (k_i - 1))，那你完全不需要为每个节点单独算局部聚类系数，数一遍三角形就够了：

def local_from_triangles(G): tri = nx.triangles(G) res = {} for v in G: k = G.degree(v) if k < 2: res[v] = 0.0 else: res[v] = 2.0 * tri[v] / (k * (k - 1)) return res

这么写有两个好处。第一，三角形计数是局部聚类系数里最贵的那一步，复用它可以把总耗时压下来。第二，当你需要同时报局部值、平均值和全局值时，只需数一次三角形即可，代码路径统一，口径也就统一了。

4.3 手写一遍：邻接集合交集法

自己写一遍的价值在于，你才真正知道库帮你做了哪些清理工作。下面是我平时用来做交叉验证的实现，输入是邻接表（字典套集合）：

def clustering_manual(adj): """ adj: dict, 节点 -> set(邻居) 返回: (局部聚类系数字典, 平均聚类系数, 全局聚类系数) """ tri = counting_triangles(adj) local = {} triples = 0 for v, nbrs in adj.items(): k = len(nbrs) if k < 2: local[v] = 0.0 else: local[v] = 2.0 * tri[v] / (k * (k - 1)) triples += k * (k - 1) // 2 # C(k,2) avg = sum(local.values()) / len(local) total_tri = sum(tri.values()) / 3.0 glob = 3.0 * total_tri / triples if triples else 0.0 return local, avg, glob

注意triples累加的是 C(k, 2)，这就是连通三元组的总数；sum(tri.values()) / 3.0得到三角形总数。这两个量对上，全局聚类系数就出来了。整段代码里最贵的部分是数三角形，其他都是线性扫描。

4.4 大规模图上的前向剪枝与近似采样

百万级节点上直接做邻居交集会炸。核心优化思路是按度排序做定向剪枝：给每个节点一个秩（按度数从小到大），只在每条边的"低秩指向高秩"方向上做搜索。这样每个三角形只会被枚举一次，总复杂度能压到接近 O(m^1.5)，在稀疏图上表现很好。

def counting_triangles(adj): rank = {v: i for i, v in enumerate(sorted(adj, key=lambda x: len(adj[x])))} tri = {v: 0 for v in adj} for u in adj: ru = rank[u] for v in adj[u]: if ru >= rank[v]: continue # 只走低秩 -> 高秩方向 rv = rank[v] for w in adj[v]: if rv < rank[w] and w in adj[u]: tri[u] += 1 tri[v] += 1 tri[w] += 1 return tri

如果图还要大，几十亿条边级别，就得考虑近似方法了。楔形采样是比较好落地的方案：随机抽一批长度为 2 的路径（楔形），统计其中能闭合成三角形的比例，就是聚类系数的无偏估计。给 10 万到 100 万个样本就能把误差控制在 1% 以内，比全量计算快好几个数量级。

4.5 稀疏矩阵路线的适用边界

如果图比较稠密，或者你已经在用 SciPy，另一条路是把邻接矩阵拿出来做乘法。三角形总数等于 trace(A³)/6，用稀疏矩阵乘一次就能算出来：

import numpy as np from scipy import sparse A = nx.to_scipy_sparse_array(G, format='csr', dtype=np.float64) A3 = A @ A @ A total_tri = A3.diagonal().sum() / 6.0

这条路的边界很清楚：边数在中低规模（大概十万以内）时它很快，因为底层是高度优化的数值库；一旦图变大，A@A 会产生大量中间填充，内存会直接爆掉。我在十几万节点的图上试过，稀疏矩阵乘法产生的中间结果比原矩阵大了将近两个数量级，最后只能换成前向剪枝。选择标准很简单：节点数少于几千且密度不低，用矩阵；否则用邻接集合遍历。

5. 真实场景里它能干什么：五个落地角度

5.1 社区结构与社团划分

聚类系数和社区结构的关系非常直接：一个划分得好的社区，内部节点之间的聚类系数应该明显高于跨社区的连接。很多模块度优化算法的初始化步骤里，就会用局部聚类系数来给边打分，把明显属于同一个三角形里的边先合并，降低后续优化的搜索空间。

我做过一次社交媒体的话题社群分析，用的是"聚类系数 + 模块度"双指标验证。单纯看模块度，两个划分方案差别不大；但一比聚类系数，其中一个方案内部出现了大量跨圈连接，实际是把两个不同兴趣群体硬拼在一起。这种问题只靠模块度是看不出来的。

5.2 链路预测与推荐打分特征

链路预测里有个经典指标叫共同邻居数，也就是两个节点有多少个共同的邻居。聚类系数正是它的"归一化版本"——它把共同邻居数除以了理论最大值，从而消掉了度数的影响。所以在特征工程里，我一般会把两者都放进去：共同邻居数是绝对量，聚类系数是相对量，模型能自己学出哪个更管用。

在好友推荐场景里，我发现一个实用技巧：只看目标用户侧的局部聚类系数还不够，要把候选人和目标用户之间的局部聚类系数取一个组合（比如最小值或几何平均）。因为单纯看一方，容易被那种"到处加人但圈子很散"的账号拉高误召。用最小值之后，召回的准确率在我的测试集上有明显改善。

5.3 生物与化学网络的结构判别

蛋白质互作网络的一个著名特征是聚类系数远高于同规模随机图，这被解释为功能模块（复合物、通路）在结构上的体现。做这类分析时，一个常用做法是把聚类系数和度做二维散点，天然会看到一个"高聚类低度"和"低聚类高度"的双峰结构，前者往往是功能模块内部成员，后者是连接多个模块的枢纽蛋白。

化学分子图里也会用类似指标来判断分子的环化程度。只是要注意分子图节点数很少（通常几十个），这时候聚类系数的方差很大，单个分子的值不要过度解读，必须成组比较。

5.4 团伙识别与稠密子图异常

这个用途比较有意思。在交易网络、设备关联网络里，团伙往往表现为高度闭合的子图——几个人互相之间全有往来。全局聚类系数在这里的作用是做整体监控指标：如果某个时间窗内的全局聚类系数突然抬升，说明网络里正在自发形成密集的小圈子，值得深入看。

但直接拿全局值做告警会有大量误报，因为正常业务高峰期，核心用户的互动本来就会增多。我的做法是固定度保持零模型做基线，算出一个"超额聚类系数"，也就是实际值除以同度分布零模型的期望值。这个比值比原始值稳定得多。

5.5 生成模型与图嵌入的效果校验

训练一个图生成模型或者图嵌入模型之后，怎么判断它学得像不像？只看损失函数不够。一个常用的做法是对比真实图和生成图的一组结构统计量，聚类系数分布是其中必选的一项。具体来说，不要只比平均值，要把逐节点的局部聚类系数按度分桶，每一桶比均值，这样能发现模型在哪一类节点上学得不好。

我用这个方法抓到过一次问题：生成模型在低度节点上的聚类系数分布明显偏离真实分布，原因是训练目标里没有对二阶结构做约束。这种偏差看平均值完全发现不了，因为低度节点在平均值里权重很小。

6. 踩过的坑：六个我实际遇到过的问题

6.1 自环和多重边没清理，结果全歪

这是我最早踩的坑。从数据库导出的关系表里，用户给自己点赞、同一对用户有多次互动，都会留下自环和多重边。自环会让度数多算 1，直接影响分母；多重边会让networkx的度计算和集合操作产生不一致。更麻烦的是，不同库对自环的处理规则不一样，有的把它算作 1 度，有的算作 2 度。

我的固定流程是：G.remove_edges_from(nx.selfloop_edges(G))，然后如果是多重图，用nx.Graph(G)压成简单图。这两步一定要在计算任何结构指标之前做，而且要作为流水线里不可跳过的一环。

6.2 拿不同规模的图直接比绝对值

聚类系数和图的规模、边密度强相关。一个 100 节点的图和 100 万节点的图，聚类系数放一起比绝对值毫无意义。真要比，只能比归一化后的值：和同规模同度分布的零模型比，或者比 z-score。

我见过一份报告把三个不同平台的聚类系数直接列在一起得出"平台 A 社区更紧密"的结论，而这三个平台的数据规模差了两个数量级。这种结论是不可靠的。

6.3 采样不完整带来的系统性低估

从完整网络里随机采一批节点出来算聚类系数，结果一定偏低。原因是采样会切断边，本来存在的三角形被拆掉了。而且这个偏差不是随机的，度数越低的节点受影响越大——因为它们的三角形本来就不多，被切掉一个就归零了。

修正的办法有几个：一是用"边采样"而不是"节点采样"，并且保留被采样边的两端节点；二是在解释时明确说明这是下界；三是用肠镜式采样（先采一批种子节点，再补充它们的邻居）来减少边界效应。实话说，如果采样率低于 20%，修正效果都不太理想，数量级的偏差很难完全消除。

6.4 加权口径的归一化方向搞反

加权聚类系数里那个归一化，到底是除以最大权重还是最小权重，很多人写代码时不注意就弄反了。除以最大值，结果落在 [0, 1]，符合"系数"的直觉；除以最小值，结果会大于 1，完全没法解释。

还有一个更隐蔽的坑：Onnela 的公式在权重为 0 时会出现 0^(1/3) 的情况，但 0^(1/3) 是 0 不是未定义，所以逻辑上没问题。真正麻烦的是负权重——如果边权重表示相关性，可能取负值，开三次方在数学上依然成立但物理含义完全崩了。这种情况下要么先把权重平移成正数，要么换用 Barrat 的算术平均版本。

6.5 度分布异质时的"辛普森式"误判

这个坑比较难发现。假设你按业务维度把节点分成两组，发现 A 组整体聚类系数高于 B 组，于是得出结论"A 组圈子更紧"。但如果 A 组里高度节点占比更高，而高度节点的聚类系数天然偏低（因为分母是 k(k-1) 增长很快），那你看到的差异可能完全来自度分布的组成差异，而不是真实的抱团程度差异。

正确的做法是按度分层比较：在同一度区间内比较两组的聚类系数，或者直接和度保持零模型比。这一步能排掉绝大多数这类伪差异。

6.6 时序图上的滑动窗口与节点进出

动态网络里，直接对每个时间窗独立算聚类系数，会在窗口边界产生剧烈波动。原因是同一个三角形可能在窗口切换时被"切开"，导致相邻两个窗口都算不到它。窗口越小，这个效应越明显。

我的处理方式是：窗口之间保留 50% 的重叠，同时记录每个窗口内的活跃节点数，在解释趋势时把这个数一起看。如果某个窗口的聚类系数突然下降而活跃节点数没变，那才是真实的结构变化；如果活跃节点数也在剧烈变化，那大概率是采样效应。

另外，节点进出会带来一个"基础值漂移"的问题：新用户进来时往往先建立少量连接，局部聚类系数为 0，会拉低平均值。做趋势分析时，最好固定一个"核心节点集"，只用这批节点的局部值看趋势，变化才干净。

我自己的习惯是，只要一张图的结构指标要对外出结论，聚类系数这一项至少要报三个数：平均局部值、全局值、以及和度保持零模型的比值。前面两个数字告诉你网络的形态，第三个数字告诉你这个形态是不是"异常的"。只报一个数，不管是哪个，都容易被误读或者被人挑刺。至于口径，我一般会在代码里把过滤规则写成显式的函数名，比如avg_clustering_deg2plus，让每个看代码的人一眼就知道低度节点有没有被算进去——这个问题我因为口径不一致返工过两次，后来就再也不敢偷懒了。