用途：NetworkX 用于分析社交、生物、基础设施等复杂网络，计算路径指标（最短路径、直径、流量）、节点重要性（中心性、PageRank）、社区与聚类、随机图模型、连通分量与团，以及路由或依赖树优化。
主要能力：支持 Graph（无向）、DiGraph（有向）、MultiGraph、MultiDiGraph 四类图；节点可为任意可哈希 Python 对象，边可存 weight、capacity、label 等属性。内置算法涵盖 Dijkstra 最短路径、最大流/最小割、度中心性、介数中心性、PageRank、特征向量中心性、聚类系数、Girvan-Newman 与 Louvain 社区发现、连通分量、团检测等。支持 GEXF、GraphML、边列表读写，并可与 Pandas、NumPy、SciPy 稀疏矩阵互转。
使用方式：安装命令为 pip install networkx matplotlib scipy；常用导入为 import networkx as nx。基本流程是创建图、用 add_edge 或 add_edges_from 添加边（节点自动创建）、调用算法分析、用 nx.draw 绘图。属性通过 G.nodes[n]['attr'] 或 G.edges[u, v]['attr'] 存取。
适用场景：蛋白质相互作用网络分析、交通路由约束、层级结构可视化等。
限制：nx.draw 仅适合小规模调试绘图，大规模可视化应使用 Gephi 或 Cytoscape；运行假设单一分量的算法前应先用 nx.is_connected 检查连通性；有向交互应使用 DiGraph；重计算可导出 SciPy 稀疏矩阵；节点应保持简单可哈希，避免存放大对象；简单 Graph 中重复添加同一条边会覆盖属性，需多重边时应使用 MultiGraph；遍历时修改图需先转为列表。Louvain 社区发现需额外安装 python-louvain。