Wolfram 语言支持广范围的描绘图的度量方法，从简单的度量，诸如判断图大小与稀疏性的顶点与边数，到判断每一个点局部是如何连接的顶点度数. 其它度量法包括图中的测地线距离或整个图中每个顶点的中心性度量；比如，PageRank 与 HITS 是用于从搜索引擎返回的网页重要性排序的度量法.

基本度量

VertexCount — 顶点数

EdgeCount — 边数

度度量

VertexDegree — 每个顶点的边数

VertexInDegree — 每个顶点的入边数

VertexOutDegree — 每个顶点的出边数

距离度量

GraphDistance — 两个顶点间最短路径的长度

GraphDistanceMatrix  ▪  VertexEccentricity  ▪  GraphRadius  ▪  GraphDiameter

连接性度量

VertexConnectivity — 两个顶点间顶点独立路径数

EdgeConnectivity — 两个顶点间边独立路径数

中心度度量

ClosenessCentrality — 到每一个其他顶点的逆平均距离

BetweennessCentrality — 通过每个顶点最短路径比例

DegreeCentrality  ▪  EigenvectorCentrality  ▪  KatzCentrality  ▪  PageRankCentrality  ▪  HITSCentrality  ▪  RadialityCentrality  ▪  StatusCentrality  ▪  EdgeBetweennessCentrality

互反度和传递性

GraphReciprocity — 互反有向边的比例

GlobalClusteringCoefficient — 长度为2的闭合路径的比例

MeanClusteringCoefficient  ▪  LocalClusteringCoefficient

同质性、协同混合性和相似性

GraphAssortativity — 群内连接度减去群间连接度

VertexCorrelationSimilarity — 作用体间的相关相似度

MeanNeighborDegree  ▪  MeanDegreeConnectivity  ▪  VertexDiceSimilarity  ▪  VertexJaccardSimilarity  ▪  VertexCosineSimilarity