为何networkx.degree_assortativity_coefficient会抛出运行时警告？

这个警告的核心问题是分母计算出现了无效值，具体来说是numpy.sqrt(vara * varb)这一步要么遇到了0，要么因为浮点精度问题得到了负数，导致开根号或除法操作出现异常。我们结合你贴出的numeric_ac函数代码来拆解：

1. 直接触发点：方差为0导致分母为0 #

函数里的vara和varb是度分布的方差（因为a是归一化后的度分布，vara = E[X²] - (E[X])²，这正是方差的计算公式）。当你的图满足以下情况时，方差会变成0：

• 所有节点的度完全相同：比如完全图（每个节点的度都是n-1）、由多个孤立节点组成的图（每个节点度都是0），或者所有节点度都等于某个固定值的图。
• 图中只有一个节点（度为0）。

此时vara = 0且varb = 0，vara * varb = 0，除以0的操作就会触发“invalid value encountered”的警告，最终返回的结果是NaN（非数字）。

2. 次要触发点：浮点精度误差导致方差为极小负数 #

当图的度分布方差非常接近0（比如几乎所有节点度相同，只有个别节点有微小差异）时，浮点运算的精度限制可能会让(a * x**2).sum() - ((a * x).sum())**2计算出一个极小的负数（比如-1e-16）。此时numpy.sqrt(vara * varb)会尝试对负数开根号，同样触发警告，返回NaN。

验证与解决方法 #

• 先排查图的结构：先提取所有节点的度，看看是否高度集中：

  import numpy as np
  degrees = [d for n, d in G.degree()]
  print("度分布的唯一值:", set(degrees))
  print("度分布的方差:", np.var(degrees))
  

  如果输出的度集合只有一个值，或者方差接近0，那就是第一种情况导致的警告。
• 处理无意义的计算场景：当所有节点度相同时，度 assortativity 系数本身没有统计意义（因为不存在度的相关性），你可以在调用nx.degree_assortativity_coefficient前先判断这种情况，手动返回0或者跳过计算：

  import numpy as np
  degrees = np.array([d for n, d in G.degree()])
  if np.var(degrees) < 1e-9:
      assortativity = 0.0
  else:
      assortativity = nx.degree_assortativity_coefficient(G)
  

• 缓解浮点精度问题：如果是精度导致的极小负数，可以修改numeric_ac函数里的方差计算，给结果加一个极小的epsilon或者用np.clip限制在非负范围：

  vara = max((a * x**2).sum() - ((a * x).sum())**2, 1e-12)
  varb = max((b * x**2).sum() - ((b * x).sum())**2, 1e-12)
  

  不过这需要你自己封装一个修改后的函数，或者临时patch NetworkX的源码（不推荐长期这么做，最好等官方修复）。

内容的提问来源于stack exchange，提问作者0x90