Claude Skill MartKhám phá skillSkill là gì?
 
← Về danh sách

Phân tích đồ thị NetworkX

Skill hướng dẫn Claude tạo, phân tích và trực quan hóa mạng/đồ thị bằng NetworkX trong Python.

Dữ liệu · Phân tíchTrung cấp★ 33,030⑂ 3,248Điểm AI 8/10Cập nhật lần cuối: 9 thg 8, 2026

Skill này làm gì

Đây là skill tham chiếu giúp Claude dùng thư viện NetworkX của Python một cách chính xác.

  • Tạo và sửa đồ thị: bốn loại Graph, DiGraph, MultiGraph, MultiDiGraph cùng thuộc tính node/edge
  • Thuật toán: đường đi ngắn nhất (Dijkstra), độ trung tâm (degree/betweenness/closeness/PageRank), hệ số kết cụm, phát hiện cộng đồng, luồng cực đại, cây khung nhỏ nhất
  • Sinh mạng ngẫu nhiên: Erdős–Rényi, Barabási–Albert (scale-free), Watts–Strogatz (small-world), lưới, cây
  • Đọc/ghi dữ liệu: edgelist, GraphML, GML, JSON node-link, Pandas DataFrame, ma trận NumPy/SciPy
  • Trực quan hóa: layout spring/circular/Kamada-Kawai/spectral, kích thước và màu node theo độ trung tâm, xuất hình chất lượng xuất bản

Skill viết theo NetworkX 3.x, tránh các API đã bị loại bỏ (nx.info, nx.write_gpickle, nx.random_tree) và giới thiệu backend tăng tốc như nx-cugraph (GPU), nx-parallel (đa lõi).

Phù hợp với ai

  • Nhà nghiên cứu, chuyên viên phân tích dữ liệu làm việc với mạng xã hội, mạng trích dẫn, knowledge graph
  • Người xử lý mạng sinh học: tương tác protein, mạng chuyển hóa
  • Người cần tối ưu lộ trình, tìm điểm nghẽn trong mạng giao thông, logistics
  • Người cần hình ảnh đồ thị đẹp cho báo cáo hoặc bài báo khoa học

Ví dụ sử dụng

  1. Phát hiện cộng đồng: "Đọc file CSV quan hệ theo dõi, dựng DiGraph, xuất top 20 node theo PageRank và các cộng đồng greedy modularity ra CSV"
  2. Phân tích lộ trình: "Từ dữ liệu ga tàu liền kề, tạo đồ thị có trọng số, tìm đường nhanh nhất từ ga A tới ga B và các ga trung chuyển có betweenness cao"
  3. Trực quan hóa: "Nạp file GraphML mạng protein, vẽ spring layout với kích thước node theo degree, màu theo cộng đồng, lưu PNG 300dpi và PDF"

· · · Hướng dẫn cài đặt · · ·

Cài vào ứng dụng Claude (không cần terminal)
  1. Tải tệp ZIP bằng nút bên dưới.
  2. Trong Claude, mở Settings → Capabilities và bật 'Code execution and file creation'. (chỉ một lần)
  3. Vào Customize → Skills → + → 'Upload a skill' rồi tải tệp ZIP lên.
↓ Tải ZIP
Cài vào Claude Code

Để Claude làm — dán câu dưới đây vào Claude Code

Hãy cài skill mình tìm thấy trên Claude Skill Mart.
Copy thư mục skills/networkx từ repo GitHub K-Dense-AI/scientific-agent-skills vào ~/.claude/skills/networkx/ của mình.
Sau khi cài xong, cho mình biết skill này làm được gì trong một câu.

Cài bằng lệnh thủ công

git clone https://github.com/K-Dense-AI/scientific-agent-skills.git && mkdir -p ~/.claude/skills && cp -r scientific-agent-skills/skills/networkx ~/.claude/skills/

⚠ Đây là skill do người khác tạo. Hãy kiểm tra repo gốc trước khi cài.

  1. Máy cần có Git, Python 3.11+ và Claude Code.
  2. Mở Terminal và tải repo: git clone https://github.com/K-Dense-AI/scientific-agent-skills.git
  3. Tạo thư mục skill nếu chưa có: mkdir -p ~/.claude/skills
  4. Sao chép skill: cp -r scientific-agent-skills/skills/networkx ~/.claude/skills/
  5. Cài thư viện: pip install "networkx[default]" matplotlib pandas
  6. Khởi động lại Claude Code, rồi thử: "Dùng NetworkX phân tích độ trung tâm cho file edgelist này".
  7. Nếu skill không tự kích hoạt, nêu rõ "dùng skill networkx" trong câu lệnh.
  8. Với đồ thị rất lớn, cân nhắc cài thêm backend nx-parallel hoặc nx-cugraph.
Xem mã nguồn trên GitHub ↗Giấy phép: MIT