实现全局耦合网络，展示网络图，并计算平均路径长度和聚类系数。

实现全局耦合网络的具体做法可以是：将多个小世界网络或者随机网络通过一些节点相连成为一个大的网络。其中，每个小世界网络或者随机网络可以通过 Watts-Strogatz 模型或者 Erdős-Rényi 模型生成。

以下是一个 Python 实现的示例代码：

import networkx as nx
import matplotlib.pyplot as plt

# 生成小世界网络
sw = nx.watts_strogatz_graph(100, 4, 0.1)

# 生成随机网络
er = nx.erdos_renyi_graph(100, 0.1)

# 生成全局耦合网络
gc = nx.Graph()
gc.add_edges_from(sw.edges())
gc.add_edges_from(er.edges())

# 绘制网络图
pos = nx.spring_layout(gc)
nx.draw(gc, pos, with_labels=True)
plt.show()

# 计算平均路径长度和聚类系数
print('平均路径长度：', nx.average_shortest_path_length(gc))
print('聚类系数：', nx.average_clustering(gc))

该代码将生成一个由一个小世界网络和一个随机网络相连成为的全局耦合网络，并绘制其网络图，最后计算平均路径长度和聚类系数。其中，`nx.watts_strogatz_graph()` 和 `nx.erdos_renyi_graph()` 函数分别用于生成小世界网络和随机网络，`nx.Graph()` 函数用于生成一个空的无向图，`gc.add_edges_from()` 函数用于将两个网络合并成为一个网络，`nx.spring_layout()` 函数用于生成节点的布局，`nx.draw()` 函数用于绘制网络图，`nx.average_shortest_path_length()` 函数用于计算平均路径长度，`nx.average_clustering()` 函数用于计算聚类系数。