用途：在 Python 中创建、操作、分析和可视化复杂网络与图结构，适用于社交网络、生物网络、交通系统、引文网络、知识图谱等实体关系数据。
主要能力：支持 Graph、DiGraph、MultiGraph、MultiDiGraph 四种图类型；节点可为任意可哈希对象并带属性。提供最短路径、度/介数/接近中心性、PageRank、连通性、聚类、社区发现（greedy_modularity、louvain、3.7 起支持 leiden）等算法；内置经典图、随机图（Erdős-Rényi、Barabási-Albert、Watts-Strogatz）、网格与树等生成器；支持边列表、GraphML、GML、JSON、CSV、Pandas、NumPy/SciPy 矩阵等读写；可用 matplotlib 绘图，并支持 Plotly、PyVis 交互可视化与出版级图形。
使用方式：安装 uv pip install networkx，或 uv pip install 'networkx[default]' 获取 numpy/scipy/pandas/matplotlib 扩展。典型流程为创建或加载图、查看节点边数与密度、计算指标与路径、检测社区、布局绘图、导出 GraphML 或 CSV。随机图与力导向布局应设置 seed 以保证可复现。
限制：浮点精度会使结果近似；大图需注意内存与性能，可用稀疏矩阵、子图或近似算法。示例面向 NetworkX 3.x（3.7），3.0 移除了 nx.info、gpickle、shp、graph_clique_number 等 API，random_tree 改为 random_labeled_tree；3.6 起 node_link_data 边键为 "edges"。训练图神经网络、社会科学网络测量或 OpenAlex 引文网络构建应使用其他专门技能。官方文档：https://networkx.org/documentation/latest/