NetworkX教程：如何将多种中心性指标写入CSV文件

这事儿其实很简单，用Python的pandas库就能轻松把这些中心性指标整理成表格并导出为CSV——它处理结构化数据和文件导出的能力特别适合这个场景。下面是完整的实现步骤和代码示例：

步骤1：准备依赖 #

首先确保你安装了pandas，如果没有的话，在终端执行：

pip install pandas

步骤2：完整代码实现 #

我先补全你没写完的聚类系数代码，然后把所有指标整合导出：

import networkx as nx
import pandas as pd

# 1. 构建你的网络
G = nx.Graph()
G.add_edges_from([(1,2),(1,3),(2,3),(3,4),(4,5),(4,6)])

# 2. 计算各类中心性指标
degree_centrality = nx.degree_centrality(G)
eigenvector = nx.eigenvector_centrality(G)
katz = nx.katz_centrality_numpy(G)
closeness_centrality = nx.closeness_centrality(G)
betweenness_centrality = nx.betweenness_centrality(G)
clustcoef = nx.clustering(G)  # 补全你未写完的聚类系数计算

# 3. 整理指标为表格结构
# 方式一：直接构建DataFrame（更直观）
df = pd.DataFrame({
    "Node": list(G.nodes()),
    "Degree Centrality": [degree_centrality[node] for node in G.nodes()],
    "Eigenvector Centrality": [eigenvector[node] for node in G.nodes()],
    "Katz Centrality": [katz[node] for node in G.nodes()],
    "Closeness Centrality": [closeness_centrality[node] for node in G.nodes()],
    "Betweenness Centrality": [betweenness_centrality[node] for node in G.nodes()],
    "Clustering Coefficient": [clustcoef[node] for node in G.nodes()]
})

# 4. 导出为CSV文件
df.to_csv("network_centrality_metrics.csv", index=False)

代码解释 #

• 我们把每个节点的各项指标对应起来，用pandas.DataFrame转换成表格格式，其中Node列存储节点ID，其他列对应各类中心性指标。
• to_csv方法的index=False参数是为了避免把DataFrame的行索引（默认是0,1,2...）写入CSV，让文件更整洁。
• 执行完代码后，你会在当前目录下得到一个network_centrality_metrics.csv文件，用Excel或文本编辑器打开就能看到规整的表格。

备选方案：用Python内置csv模块（无需pandas） #

如果你不想安装pandas，也可以用Python自带的csv模块手动写入，但代码会繁琐一些：

import networkx as nx
import csv

G = nx.Graph()
G.add_edges_from([(1,2),(1,3),(2,3),(3,4),(4,5),(4,6)])

# 计算指标（同上）
degree_centrality = nx.degree_centrality(G)
eigenvector = nx.eigenvector_centrality(G)
katz = nx.katz_centrality_numpy(G)
closeness_centrality = nx.closeness_centrality(G)
betweenness_centrality = nx.betweenness_centrality(G)
clustcoef = nx.clustering(G)

# 写入CSV
with open("network_metrics.csv", "w", newline="") as f:
    writer = csv.writer(f)
    # 写入表头
    writer.writerow(["Node", "Degree Centrality", "Eigenvector Centrality", "Katz Centrality", 
                     "Closeness Centrality", "Betweenness Centrality", "Clustering Coefficient"])
    # 写入每行数据
    for node in G.nodes():
        writer.writerow([
            node,
            degree_centrality[node],
            eigenvector[node],
            katz[node],
            closeness_centrality[node],
            betweenness_centrality[node],
            clustcoef[node]
        ])

不过还是更推荐用pandas，代码更简洁易维护，后续如果要添加新指标或者处理数据也更方便。

内容的提问来源于stack exchange，提问作者ASF