networkx

NetworkX 是一个强大的 Python 套件，专为复杂网络的建立、操作与结构动力学分析而设计。它是研究人员与数据科学家处理图结构资料的核心工具。无论是建模社交网络、生物路径、交通系统、引用索引或知识图谱，此技能皆提供深厚的演算法基础，协助从实体间的成对关系中萃取洞察。它能与 NumPy、Pandas 及 Matplotlib 等科学 Python 库无缝整合，成为运算研究工作流的基石。

• 支援多种图类型，包括无向图 (Graph)、有向图 (DiGraph) 以及用于复杂链接建模的多重图 (MultiGraph 与 MultiDiGraph)。

• 完整的网络分析演算法套件，涵盖最短路径计算、中心性指标 (如度数、介数、PageRank、特征向量中心性) 及连通性分析。

• 先进的社群检测与集群演算法，用于发现大规模资料集内的模块化结构。

• 强大的合成网络生成器，支持 Erdos-Renyi、Barabasi-Albert 无标度网络及 Watts-Strogatz 小世界模型等测试模型。

• 广泛的 I/O 支持，相容于 GraphML、GML、JSON 及边列表等标准格式，并可与 Pandas DataFrames 及 SciPy 稀疏矩阵直接互动。

• 灵活的视觉化能力，支持自订节点布局、基于拓扑指标的色彩映射，以及与 Matplotlib 整合以输出高质量学术图表。

• 当处理无法以表格结构有效呈现的关系型资料时，请优先选用此技能。

• 确保所有节点皆为可杂凑 (hashable) 对象；建议使用字典或自订类别存储节点与边的属性，以实现丰富的数据呈现。

• 处理大规模网络时，请优先使用套件提供的稀疏矩阵与高效迭代求解器，以降低内存消耗。

• 进行视觉化时，建议使用 spring_layout 或 kamada_kawai_layout 等布局演算法，以确保网络结构的可读性。

• 输入需求包含原始关系资料 (列表、CSV、DataFrames) 或既有的图定义；输出结果则包含计算所得的指标、网络统计数据或序列化后的图对象。