调用nx.hits抛出OverflowError: Python int无法转换为C long如何解决

• 直接触发溢出的核心原因是传入的max_iter=9999999999数值过大：NetworkX的HITS实现底层会把迭代次数参数转换为C语言long类型整数，32位C long的最大取值为2147483647（约21亿），你传入的99亿远超这个阈值，类型转换阶段就会直接抛出OverflowError，根本不会进入算法实际执行流程。
• 你对默认归一化逻辑存在认知偏差：内置的normalized=True从来没有把hub值限制在1-5区间。HITS基于幂迭代实现，如果迭代过程中不做归一化，hub和authority得分会随迭代轮数指数级上涨，本身就极易触发数值溢出，默认归一化是每轮对得分向量做缩放保证数值稳定，你之前观察到的1-5区间只是你所用的小规模图收敛后的数值巧合，不是代码硬编码的范围限制。
• 你写的第一行nx.hits(G, max_iter=9999999999)是完全无效的冗余调用：HITS接口不会缓存历史运行结果，第二次调用时会从头开始执行迭代逻辑，这次调用除了触发报错没有任何作用。

• 首先删掉冗余的第一次HITS调用，不要设置脱离实际需求的超大迭代次数。HITS作为幂迭代算法，通常几十到上百轮迭代就能满足常规精度要求，默认的max_iter=100足以覆盖绝大多数场景，就算是千万级边的超大图，把迭代上限设到1000也完全够用，任何场景下都不要把max_iter设到超过2147483647，避免C类型转换溢出。
• 如果确实需要非归一化的原始得分，不要靠硬卡迭代次数终止算法，通过tol参数设置合理的收敛阈值，算法达到精度要求后会自动停止迭代，既可以减少无意义的计算，也能避免迭代轮数过多导致的数值爆炸问题。
• 非归一化模式下HITS本身存在数值不稳定的固有缺陷，如果得到的得分数值过大不符合使用需求，可以在拿到结果后按自己的业务规则做自定义缩放，不需要依赖接口内置的归一化逻辑。

可参考的正确实现代码如下：

import networkx as nx

# 单次调用即可，无需冗余预跑
hubs, authorities = nx.hits(
    G,
    max_iter=1000,  # 设置合理的迭代上限，远低于C long类型阈值
    normalized=False,  # 按需求关闭内置归一化
    tol=1e-8  # 设置收敛容差，达到精度自动终止迭代
)

# 示例：自定义缩放得分到需要的区间，比如0-10
hub_max = max(hubs.values())
hubs_scaled = {node: score / hub_max * 10 for node, score in hubs.items()}
auth_max = max(authorities.values())
authorities_scaled = {node: score / auth_max * 10 for node, score in authorities.items()}

内容的提问来源于stack exchange，提问作者M2 Analyst