基于Python计算无向社交网络属性（度分布、密度、直径）求助

你的问题背景 #

你手头有个190多万行的无向友谊CSV数据集，想用NetworkX计算网络的度分布、密度、直径等属性，但代码运行后只输出了节点和边的数量，之后就卡了好几个小时没动静，既没出结果也没报错。作为Python新手，确实很容易踩这些大图处理的坑，我来帮你一步步解决。

为什么代码会卡住？ #

主要是两个致命的性能问题，再加上几个语法小错误：

1. 计算精确直径：nx.diameter(G)是求图中任意两点间最短路径的最大值，对于近20万个节点的大图来说，这个计算的时间复杂度高到离谱，完全不可能在合理时间内完成，直接把程序拖死。
2. 全图可视化：尝试绘制近20万节点的网络图，不仅会占用巨量内存，渲染时间也长得吓人，根本没法完成。
3. 语法小问题：
   • print nx.info(G)、print nx.diameter(G)是Python2写法，Python3必须加括号；
   • plt.show(G)是错误调用，plt.show()不需要传参数；
   • %matplotlib.inline是Jupyter专属魔法命令，普通脚本里运行会报错；
   • 定义了spring_pos却用pos绘图，会触发变量未定义错误（只是程序没走到这步而已）。

修改后的代码（高效解决版） #

下面是调整后的代码，既能高效计算你需要的属性，又能避免不必要的性能浪费：

import networkx as nx
import matplotlib.pyplot as plt
import random  # 用于近似直径计算

# 1. 读取图数据（优化：直接跳过表头，明确指定无向图）
G = nx.read_edgelist(
    "user_social.csv",
    delimiter=',',
    nodetype=int,
    encoding="utf-8",
    create_using=nx.Graph(),  # 明确无向图，避免歧义
    skip_lines=1  # 直接跳过第一行表头，不用手动读文件
)

# 2. 输出基础节点/边信息
print("Number of nodes in the graph:", len(G.nodes()))
print("Number of edges in the graph:", len(G.edges()))

# 3. 计算密度（这个计算极快，O(1)时间复杂度）
density = nx.density(G)
print("Graph density:", round(density, 6))

# 4. 计算度分布（高效统计，输出关键指标）
degree_sequence = sorted([d for n, d in G.degree()], reverse=True)
print("Maximum degree:", max(degree_sequence))
print("Minimum degree:", min(degree_sequence))
print("Average degree:", round(sum(degree_sequence)/len(degree_sequence), 2))

# 可选：绘制度分布直方图（这才是有意义的可视化，而非全图）
plt.figure(figsize=(10,6))
plt.hist(degree_sequence, bins=50, log=True)  # 对数坐标更适合展示社交网络的幂律分布
plt.title("Degree Distribution of Social Network")
plt.xlabel("Node Degree")
plt.ylabel("Number of Nodes (Log Scale)")
plt.show()

# 5. 直径的替代方案（精确计算完全不可行）
if nx.is_connected(G):
    # 方案一：计算平均最短路径长度（比直径快，但大图仍需等待）
    avg_shortest_path = nx.average_shortest_path_length(G)
    print("Average shortest path length:", round(avg_shortest_path, 2))
    
    # 方案二：用NetworkX的近似直径算法
    from networkx.algorithms import approximation
    approx_diam = approximation.diameter(G)
    print("Approximate diameter:", approx_diam)
else:
    print("Graph is not connected, can't compute full-graph diameter directly.")
    # 处理非连通图：取最大连通分量分析
    largest_cc = max(nx.connected_components(G), key=len)
    G_largest = G.subgraph(largest_cc)
    print(f"Largest connected component has {len(G_largest.nodes())} nodes and {len(G_largest.edges())} edges.")
    
    # 采样法计算最大连通分量的近似直径
    sample_nodes = random.sample(list(G_largest.nodes()), 100)  # 随机选100个节点
    approx_diameter = max(nx.eccentricity(G_largest, v=sample_nodes).values())
    print("Approximate diameter of largest connected component:", approx_diameter)

关键优化说明 #

• 砍掉冗余库：你导入的inline、community没用到，直接删掉减少冗余；
• 数据读取优化：用skip_lines=1直接跳表头，create_using明确无向图，避免NetworkX默认创建有向图的歧义；
• 放弃精确直径：社交网络这类大图的精确直径没有实际计算的价值，用近似算法或采样法才是合理选择；
• 可视化聚焦有用信息：全图绘制毫无意义，节点会挤成一团，度分布直方图才是能反映网络特性的可视化结果。

内容的提问来源于stack exchange，提问作者Arun Oid