用途：NetworkX 是 Python 图与网络分析库，适用于涉及实体间关系的任务，如社交网络、生物网络、交通系统、引文网络、知识图谱等。可创建和操作图结构，进行图算法分析，生成合成网络，读写多种图数据格式，并绘制网络可视化。
主要能力：支持四种图类型——Graph（无向单边）、DiGraph（有向）、MultiGraph（无向多重边）、MultiDiGraph（有向多重边）。节点可为任意可哈希 Python 对象，边和节点可带属性。提供广度算法支持：最短路径（如 nx.shortest_path、nx.shortest_path_length）、中心性度量（degree_centrality、betweenness_centrality、closeness_centrality、pagerank）、社区检测（如 community.greedy_modularity_communities）、连通性检查与连通分量、聚类、流、匹配、树算法与图遍历。图生成器涵盖经典图（complete_graph、cycle_graph、karate_club_graph、petersen_graph）、随机网络（erdos_renyi_graph、barabasi_albert_graph、watts_strogatz_graph）与结构化网络（grid_2d_graph、random_tree）。支持边列表、GraphML、GML、JSON、CSV、Pandas DataFrame、NumPy 数组、SciPy 稀疏矩阵等读写。可视化基于 matplotlib，支持多种布局（spring_layout、circular_layout、kamada_kawai_layout、spectral_layout），可按度数或中心性着色、按权重设置边宽，并可导出高分辨率图片与矢量格式。
使用方式：安装可执行 uv pip install networkx 或 uv pip install networkx[default] 以获取可选依赖。典型流程为：创建或读取图，检查结构（节点数、边数、密度、连通性），运行算法计算指标与路径，可视化，再导出结果。随机图生成与力导向布局建议设置 seed 以保证可复现。
适用场景：网络或图数据结构分析、图算法实验、合成网络建模与仿真、网络结构比较（同构检查、图指标）、网络可视化。
限制：含浮点数时结果受精度限制，可能影响最小/最大等计算。每次运行需将图数据载入内存，大型网络需注意数据结构选择、子图加载与高效格式，并可考虑近似算法。输出不应替代针对具体环境的验证、测试或专家审查。资料未提供收费与价格信息。