NetworkX 是一个用于创建、操作和分析复杂网络与图的 Python 包。用户数据中给出的信息显示，该技能适用于处理网络或图数据结构的场景，包括社交网络、生物网络、交通系统、引文网络、知识图谱，或任何涉及实体间关系的系统。
【用途】 当任务涉及以下内容时可使用：创建图（从数据构建网络结构、添加带属性的节点和边）、图分析（计算中心性度量、查找最短路径、检测社区、测量聚类）、图算法（运行 Dijkstra、PageRank、最小生成树、最大流等标准算法）、网络生成（创建随机、无标度、小世界等合成网络用于测试或仿真）、图 I/O（读写边列表、GraphML、JSON、CSV、邻接矩阵等格式）、可视化（用 matplotlib 或交互式库绘制和自定义网络可视化）、网络比较（检查同构、计算图指标、分析结构属性）。
【主要能力】
- 图的创建与操作：支持四类主要图：Graph（无向单边图）、DiGraph（有向图）、MultiGraph（允许节点间多条边的无向图）、MultiDiGraph（允许多条边的有向图）。可添加任意可哈希类型的节点，并支持节点与边属性。
- 图算法：提供最短路径、中心性度量（度中心性、介数中心性、PageRank）、社区检测（贪婪模块度社区）、连通性（连通性判断、连通分量）等。
- 图生成器：经典图（完全图、环图、Karate Club、Petersen 图）、随机网络（Erdős-Rényi、Barabási-Albert 无标度、Watts-Strogatz 小世界）、结构化网络（网格图、随机树）。
- 读写图：支持边列表、GraphML、GML、JSON（node_link_data/node_link_graph）、Pandas DataFrame、NumPy 数组、SciPy 稀疏矩阵等格式。
- 可视化：支持基本绘制、按度着色、按中心性设置节点大小、按权重设置边宽、多种布局算法（spring、circular、kamada_kawai、spectral）、出版级图表输出。
【使用方式】 安装：确保 NetworkX 已安装，可用 uv pip install networkx，或用 uv pip install networkx[default] 安装可选依赖。 典型工作流：创建或加载图 → 检查结构（节点数、边数、密度、连通性）→ 分析（计算指标、查找路径、检测社区）→ 可视化（布局后绘制）→ 导出结果（保存图或用 DataFrame 保存指标到 CSV）。
【适用场景】 社交网络分析、生物网络、交通系统、引文网络、知识图谱，以及任何涉及实体间关系的系统。
【限制与注意事项】
- 浮点精度：图中包含浮点数时，结果受精度限制为近似值，可能影响算法结果，尤其是在最小/最大计算中。
- 内存与性能：每次脚本运行需将图数据加载进内存；对大网络建议使用合适的数据结构（大稀疏图用稀疏矩阵）、只加载必要子图、使用高效文件格式（Python 对象用 pickle、压缩格式）、采用近似算法（如中心性计算中的 k 参数）。
- 节点和边类型：节点可为任意可哈希 Python 对象；建议使用有意义的标识符；删除节点时其关联边会自动删除。
- 随机种子：随机图生成和力导向布局应设置随机种子以保证可复现性。