看到你遇到的这个问题我挺有共鸣的——明明自己确认了邻接矩阵是方阵，结果NetworkX偏偏报错说不是，这种“眼见不为实”的情况确实很头疼。我帮你分析一下可能的原因，以及对应的排查和解决方法：

核心原因：NetworkX的检查不止看shape，还要看index和columns的匹配度 #

你可能以为只要am.shape是(n,n)就没问题，但NetworkX的from_pandas_adjacency函数会严格检查列名和行索引是否完全一致（包括元素内容和顺序），哪怕shape是方阵，只要两者不匹配，就会抛出这个错误。

第一步：先做基础排查 #

在调用nx.from_pandas_adjacency之前，先添加这些检查代码，快速定位问题：

# 打印矩阵形状，确认是不是真的方阵
print("邻接矩阵形状:", am.shape)

# 检查列名和行索引是否完全一致
print("列名与索引匹配:", am.columns.equals(am.index))

# 检查是否有重复的列名或索引
print("唯一列名数量:", len(am.columns.unique()))
print("唯一索引数量:", len(am.index.unique()))

# 如果形状不一致，找出差异项
if am.shape[0] != am.shape[1]:
    if am.shape[1] > am.shape[0]:
        extra_cols = am.columns[~am.columns.isin(am.index)]
        print("索引中不存在的额外列:", extra_cols)
    else:
        extra_rows = am.index[~am.index.isin(am.columns)]
        print("列中不存在的额外行:", extra_rows)

常见问题及解决方法 #

1. 存在不在Worker列表中的Manager（或空值NaN）

你的代码中，邻接矩阵的行索引是df["Worker"]，但如果某个Manager不在Worker列表里，执行am.at[row["manager"], row["Worker"]] = 1时会抛出KeyError；但如果Manager是NaN（空值），Pandas会允许将NaN作为索引值添加，这就会导致行索引长度增加，列数不变，矩阵不再是方阵。

解决方法：

• 先找出无效的Manager：

  invalid_managers = df[~df["manager"].isin(df["Worker"])]["manager"].unique()
  print("不在Worker列表中的Manager:", invalid_managers)
  

• 处理方式二选一：
  • 过滤掉这些无效行（如果这些Worker不需要纳入图中）：

    df = df[df["manager"].isin(df["Worker"])]
    

  • 将这些Manager添加到Worker列表中（如果他们是组织的一部分）：

    new_workers = pd.DataFrame({"Worker": invalid_managers, "manager": None})
    df = pd.concat([df, new_workers], ignore_index=True)
    

• 重新创建邻接矩阵时，记得判断Manager是否为空：

  am = pd.DataFrame(0, columns=df["Worker"], index=df["Worker"])
  for ix, row in df.iterrows():
      if pd.notna(row["manager"]):
          am.at[row["manager"], row["Worker"]] = 1
  

2. Worker列存在重复值

如果df["Worker"]中有重复的名字，邻接矩阵的列名和索引会出现重复条目。虽然Pandas允许重复标签，但NetworkX在检查columns.equals(index)时，会因为重复项的顺序或位置问题判定不匹配，甚至会把唯一节点数当成矩阵维度，导致报错。

解决方法：

• 先找出重复的Worker：

  duplicate_workers = df[df["Worker"].duplicated(keep=False)]["Worker"].unique()
  print("重复的Worker名称:", duplicate_workers)
  

• 给重复名称添加后缀，确保唯一性：

  # 给重复的Worker名字添加数字后缀
  df["Worker"] = df.groupby("Worker").cumcount().apply(lambda x: f"{df['Worker'].iloc[x]}_{x+1}" if x>0 else df['Worker'].iloc[x])
  

3. 列名和索引顺序不一致

有时候即使元素完全相同，只要顺序不一样，columns.equals(index)也会返回False，导致NetworkX报错。

解决方法：
重新排序索引和列名，确保两者顺序一致：

am = am.reindex(index=sorted(am.index), columns=sorted(am.columns))

更简洁的邻接矩阵创建方式 #

其实你可以用pd.crosstab来替代手动循环，自动处理节点匹配问题，避免手动填充的疏漏：

# 用交叉表创建邻接矩阵，自动对齐节点
am = pd.crosstab(df["manager"], df["Worker"], dropna=False)
# 重新索引，确保行和列都是所有Worker
am = am.reindex(index=df["Worker"], columns=df["Worker"], fill_value=0)

备注：内容来源于stack exchange，提问作者mrgou