如何将NetworkX生成的Barabasi-Albert无向图转为有向图？能否绘制出入度分布？

完全可以实现，下面给你两种可行方案：

方案一：将现有无向图转为有向图 #

无向图的每条边可以直接转为双向有向边，用NetworkX的nx.DiGraph()就能快速完成转换：

import networkx as nx
import matplotlib.pyplot as plt

# 生成无向Barabasi-Albert图
N = 200
m = 2
G_barabasi = nx.barabasi_albert_graph(n=N, m=m)

# 转为有向图（每条无向边对应两个方向的有向边）
G_directed = nx.DiGraph(G_barabasi)

方案二：直接生成原生有向Barabasi-Albert图 #

NetworkX提供了专门的有向版模型nx.directed_barabasi_albert_graph，生成的图更贴合有向网络的演化逻辑，推荐优先使用：

# 直接生成有向Barabasi-Albert图
# 参数说明：n=节点总数，m=每个新节点连接的已有节点数，alpha=偏好连接权重（默认1）
G_directed = nx.directed_barabasi_albert_graph(n=N, m=m, alpha=1.0)

绘制入度和出度分布 #

不管用哪种方法得到有向图，都可以用以下代码统计并可视化度分布：

# 提取所有节点的入度和出度
in_degrees = [d for _, d in G_directed.in_degree()]
out_degrees = [d for _, d in G_directed.out_degree()]

# 绘制常规直方图
plt.figure(figsize=(12, 5))
# 入度分布
plt.subplot(1, 2, 1)
plt.hist(in_degrees, bins=15, edgecolor='black')
plt.title('入度分布')
plt.xlabel('入度值')
plt.ylabel('节点数量')
# 出度分布
plt.subplot(1, 2, 2)
plt.hist(out_degrees, bins=15, edgecolor='black')
plt.title('出度分布')
plt.xlabel('出度值')
plt.ylabel('节点数量')

plt.tight_layout()
plt.show()

如果想验证幂律特性，可改用双对数坐标绘制：

plt.figure(figsize=(12, 5))
# 入度分布（双对数）
plt.subplot(1, 2, 1)
plt.hist(in_degrees, bins=15, edgecolor='black', log=True)
plt.title('入度分布（双对数）')
plt.xlabel('入度值')
plt.ylabel('节点数量（对数）')
# 出度分布（双对数）
plt.subplot(1, 2, 2)
plt.hist(out_degrees, bins=15, edgecolor='black', log=True)
plt.title('出度分布（双对数）')
plt.xlabel('出度值')
plt.ylabel('节点数量（对数）')

plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者MansaSeyi