如何将NetworkX图的节点属性整合输出为单张格式化表格

你考虑用tabulate库的思路完全可行，比逐行print的排版效果好很多，实现起来也很简洁，具体操作如下：

• 先安装依赖（如果没装过的话）：

  pip install tabulate
  

• 不要在循环里逐个节点调用属性计算函数，直接调用NetworkX自带的批量计算接口一次性拿到所有节点的属性字典，性能更好，也更方便组装数据。
• 把每个节点的对应属性整理成二维列表，传给tabulate即可输出对齐规整的表格。

完整参考代码：

import networkx as nx
from tabulate import tabulate

# 批量计算所有节点的目标属性，返回类字典结构，转成普通字典方便取值
degree_map = dict(g.degree())
clustering_map = nx.clustering(g)

# 组装表格行数据
rows = []
for node in g.nodes():
    rows.append([
        node,
        degree_map[node],
        clustering_map[node]
    ])

# 输出表格，simple格式和你给出的目标格式完全匹配
print(tabulate(
    rows,
    headers=["node", "degree", "clustering coefficient"],
    tablefmt="simple"
))

运行后输出效果和预期一致：

node      degree    clustering coefficient
------  --------  ------------------------
a              2                  0.333333
b              1                  1.0
c              3                  0.0

补充说明 #

• 如果不想引入第三方依赖，用Python标准库的字符串格式化也能实现对齐，但需要手动计算列宽、处理分隔线，代码冗余度很高，小场景用tabulate性价比最高。
• 后续如果需要新增其他节点属性（比如各类中心性指标、节点自定义标签等），只需要提前批量计算出对应属性字典，在组装rows的时候新增对应取值即可，扩展性很好。
• 你之前写的逐行打印方案，除了排版不对齐的问题，在节点数较多的图上还会因为反复调用单节点属性计算接口产生不必要的性能损耗，批量计算后查字典的方式效率高很多。

内容的提问来源于stack exchange，提问作者sppokky