用途：当数据涉及关系时使用，如引文网络、共同作者网络、社交网络、生物网络、知识图谱、贸易/流动网络。
核心概念：节点为实体，边为关系；支持有向（A->B）、无向（A--B）与加权边。
主要能力：用 NetworkX 构建与分析网络，包括节点数、边数、密度、入度/出度排名、弱连通分量与 PageRank；用 Matplotlib 做出版级可视化，可选 spring、kamada_kawai、circular、spectral 布局，按度数或节点属性缩放节点大小，只给高度数节点加标签，输出 PDF。
布局选择：Spring 通用、聚类自然；Kamada-Kawai 适合中小网络、减少交叉；Circular 便于比较连通性；Spectral 基于拉普拉斯特征向量用于社区结构；Hierarchical（Sugiyama）适合 DAG 与树；Force Atlas 2 适合大网络。
工具：Gephi 用于大网络交互探索与导出 SVG/PDF；VOSviewer 处理文献计量网络，可直接读取 Web of Science 与 Scopus 导出；Cytoscape 面向生物网络；D3.js 用于网页交互图。
出版建议：过滤低权重边、聚合簇、剪除孤立点；节点大小表示重要性，颜色表示社区，边宽表示强度，边色表示类型；必须提供图例、网络统计（节点数、边数、密度）、布局算法说明与规模含义。超过 500 节点的静态图难读，建议交互式补充或过滤聚合后展示主图。限制与收费信息暂未提供。