Network: An Introduction一书中在8.4介绍了幂律及其可视化（也就是计算幂律的指数），对于展示可视化来说，最重要的就是说明它在log-log图上是近似于一条直线的。然后计算出斜率，并画在图上，让人对数据分布特性有一定认识。但是直接在对数图像上对直线进行拟合的方法未免有失严谨，存在一些问题，误差较大。
　　其实在Newman的文章中已经有如何计算这一系数的方法了（包括截断值和系数）。一年前试着看过那篇文章，说实话看起来还真有点麻烦，没读懂。在第一作者的网站（点击）上还提供了有各种计算代码（Python, Matlab, R, C，真有兴趣，能写这么多……）。
引用信息：

A. Clauset, C. R. Shalizi, and M. E. J. Newman, "Power-Law distributions in empirical data," SIAM Review, vol. 51, no. 4, pp. 661-703, 2009.

系数及误差计算式：
http://s9/middle/439371b54c5f34e107678&690

LibreOffice公式编辑器代码：

"系数："italic %alpha = 1 + N [ sum from i {k_i over {k_min - 1/2}} ]^-1 newline

"误差："italic %sigma = sqrt N [ sum from i {k_i over {k_min - 1/2}} ]^-1 = {italic %alpha - 1} over sqrt N