适用范围与常见误用

1. 误区：先下载数据，再想研究问题。→ 正解：先写出具体问题和假设，再选择能回答它的数据和网络构建方式。
2. 误区：网络构建只是预处理，不重要。→ 正解：节点、边、阈值的定义决定了后面的所有结果，需要说明理由并做敏感性分析。
3. 误区：模块度 $Q$ 很高就说明网络有显著的社团结构。→ 正解：随机网络也能得到不小的 $Q$，需要与零模型比较；Louvain 结果有随机性，要报告稳定性。
4. 误区：度分布在双对数图上像直线，就是无标度网络。→ 正解：需要严格的统计检验；多数情况下写“重尾分布”更稳妥。
5. 误区：中心性最高的节点就是“致病基因”或“药物靶点”。→ 正解：中心性只是候选筛选依据，要结合研究偏倚、功能富集和独立证据讨论。
6. 误区：把相关系数或置信度直接作为 weight 传给最短路径、介数、接近中心性。→ 正解：这些函数把权重当距离，需先转换为 $1/w$ 或 $-\log w$；模块度、强度等则直接使用强度。
7. 误区：网络图上两个簇离得远，说明它们在生物学上关系疏远。→ 正解：力导向布局中簇间距离与相对位置一般没有可解释的含义；需要用图距离或统计量说明。
8. 误区：网络太大，就随机抽一部分节点分析，结论推广到全网络。→ 正解：诱导子图的度分布、聚集系数等都会系统性改变；应过滤或改用近似算法与更快的工具，并说明抽样方式。
9. 误区：换了软件，指标数值不同，说明有一个算错了。→ 正解：先核对定义与默认参数（归一化、非连通处理、加权推广）。

NetworkX 本身的适用范围：适合中小规模网络与方法原型；对几十万节点以上的网络，介数、最短路径等全局计算会很慢，应先过滤、使用抽样近似、启用后端，或改用 igraph、graph-tool、NetworKit。