networkx

NetworkX 是一個強大的 Python 套件，專為複雜網路的建立、操作與結構動力學分析而設計。它是研究人員與數據科學家處理圖結構資料的核心工具。無論是建模社交網路、生物路徑、交通系統、引用索引或知識圖譜，此技能皆提供深厚的演算法基礎，協助從實體間的成對關係中萃取洞察。它能與 NumPy、Pandas 及 Matplotlib 等科學 Python 庫無縫整合，成為運算研究工作流的基石。

• 支援多種圖類型，包括無向圖 (Graph)、有向圖 (DiGraph) 以及用於複雜連結建模的多重圖 (MultiGraph 與 MultiDiGraph)。

• 完整的網路分析演算法套件，涵蓋最短路徑計算、中心性指標 (如度數、介數、PageRank、特徵向量中心性) 及連通性分析。

• 先進的社群檢測與集群演算法，用於發現大規模資料集內的模組化結構。

• 強大的合成網路生成器，支援 Erdos-Renyi、Barabasi-Albert 無標度網路及 Watts-Strogatz 小世界模型等測試模型。

• 廣泛的 I/O 支援，相容於 GraphML、GML、JSON 及邊列表等標準格式，並可與 Pandas DataFrames 及 SciPy 稀疏矩陣直接互動。

• 靈活的視覺化能力，支援自訂節點布局、基於拓撲指標的色彩映射，以及與 Matplotlib 整合以輸出高品質學術圖表。

• 當處理無法以表格結構有效呈現的關係型資料時，請優先選用此技能。

• 確保所有節點皆為可雜湊 (hashable) 物件；建議使用字典或自訂類別儲存節點與邊的屬性，以實現豐富的資料呈現。

• 處理大規模網路時，請優先使用套件提供的稀疏矩陣與高效疊代求解器，以降低記憶體消耗。

• 進行視覺化時，建議使用 spring_layout 或 kamada_kawai_layout 等布局演算法，以確保網路結構的可讀性。

• 輸入需求包含原始關係資料 (列表、CSV、DataFrames) 或既有的圖定義；輸出結果則包含計算所得的指標、網路統計數據或序列化後的圖物件。