networkx生成图时边数据格式错误会导致图为空：add_edges_from()必须传入二元组如('a','b')，若误用字符串、字典或嵌套列表则静默失败；应验证edges[0]类型与长度，并优先使用批量添加而非逐条add_edge。
NetworkX 生成图时边数据格式写错，图始终为空
NetworkX 的 add_edges_from() 要求边必须是元组（或列表）形式的二元组，比如 (‘Alice’, ‘Bob’)。常见错误是传入字符串拼接、字典键值对或嵌套列表，例如 [‘Alice-Bob’] 或 {‘Alice’: ‘Bob’} —— 这些都不会报错，但图里没边。
实操建议：
- 检查原始数据是否已解析为
[(‘A’, ‘B’), (‘B’, ‘C’)]结构；用print(type(edges[0]))和print(len(edges[0]))快速验证 - 若边来自 CSV，别直接用
df.values.tolist()，先确保每行只有两个非空字段：用df[[‘source’, ‘target’]].dropna().values.tolist() - 避免用
add_edge(‘A’, ‘B’, weight=1)逐条加——小图可以，但千级边以上会明显变慢；优先用add_edges_from(edge_list)
用 matplotlib 可视化时节点重叠严重、看不清关系
默认布局 nx.spring_layout(G) 在稠密图中容易挤成一团，不是代码错了，而是没调参。
实操建议：
- 先试
nx.kamada_kawai_layout(G)（适合小图，n），或 <code>nx.circular_layout(G)（环形，便于观察中心节点） - 对中等规模图（50–200 节点），调
spring_layout的k（最优距离）和iterations：pos = nx.spring_layout(G, k=3, iterations=50) - 节点大小别用固定值：按度数缩放更直观，例如
node_size=[v * 50 for v in dict(G.degree()).values()] - 边透明度设低一点：
ax.collections[0].set_alpha(0.6)（matplotlib 中边是第一个 collection）
计算中心性指标时结果全是 0 或 NaN
常见于图不连通，或者用了有向图函数分析无向图结构。比如对无向图调用 nx.betweenness_centrality(G, weight=’weight’)，但边根本没 weight 属性 —— 它不会报错，但返回全 0。
SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能，主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的 双功能合体技能 ，专为学生、算法学习者和开发者设计；✅ 一个技能，两种用途 ：；核心要点📝 题解模式 ：输入题目/题号，自动生成完整 Python 题解（含详细注释、解题思路、复杂度分析）；💬 注释模式 ：输入 Python 代码，自动添加详细中。它将相关步骤、
实操建议：
- 先确认图类型：
print(type(G))，是nx.Graph还是nx.DiGraph；无向社交关系一律用nx.Graph() - 查边属性是否存在：
print(next(iter(G.edges(data=True))))看第三项有没有weight - 度中心性最稳妥：
nx.degree_centrality(G)不依赖权重也不怕不连通；介数/接近中心性建议加参数endpoints=True和normalized=True - 若图含孤立节点，
nx.eigenvector_centrality()会因矩阵奇异而报NetworkXError: NetworkX ERROR: Graph not connected，此时改用nx.eigenvector_centrality_numpy(G)
导出高清图时中文标签模糊或缺失
matplotlib 默认字体不支持中文，savefig 后文字变成方块或极细线条，不是编码问题，是字体没指定。
实操建议：
- 在绘图前加两行：
plt.rcParams[‘font.sans-serif’] = [‘SimHei’, ‘Arial Unicode MS’]和plt.rcParams[‘axes.unicode_minus’] = False - 保存别用
plt.savefig(‘g.png’)，分辨率至少设dpi=300：plt.savefig(‘g.pdf’, bbox_inches=‘tight’)（PDF 更清晰且缩放不失真） - 节点标签太长？用
nx.draw_networkx_labels(G, pos, labels={n: n[:6]+‘…’ if len(n)>6 else n for n in G.nodes()}, font_size=8)
社交网络图的真实难点不在画出来，而在解释清楚“为什么这个节点度数高但介数低”——这需要结合数据来源和业务逻辑，NetworkX 只算数字，不替你读人情。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
