这里主要是对网络中各节点的度进行计算，而后保存为节点，再将各个度输出到同一个csv文件中
示意如下：
{
'上海绿泰宝营养保健品有限公司': 0.00018777579569993427, 'stevia aps': 4.694394892498357e-05, '中国科学院上海药物研究所': 0.097127030325791, 'ufc limited': 4.694394892498357e-05}
其中，边介数中心性字典是以两两节点为键，所以单独输出为一个csv。
{
('上海绿泰宝营养保健品有限公司', 'stevia aps'): 2.8175522233304593e-06, ('上海绿泰宝营养保健品有限公司', 'stevia limited'): 2.8175522233304593e-06, ('中国科学院上海药物研究所', 'ufc limited'): 0.0014749885889134954, ('中国科学院上海药物研究所', 'bayer ag'): 0.028678449776089222
另外，读取文件时的df，由于之前采用的UTF-8、gbk、gb2312编码老容易报错（因为数据里面字符串比较复杂），所以这里使用gb18030，这个包含更多的字符，可见：https://blog.csdn.net/Junkichan/article/details/51913845这篇博文。
具体代码如下
import pandas as pd
import networkx as nx
import csv
df=pd.read_csv("E:/数据a.csv",encoding='gb18030')
#df=pd.read_excel("E:/数据a.xlsx")
#也可以是读取excel文件，要注意，如果你的pandas版本比较老，是无法用encoding的
g=nx.from_pandas_edgelist(df,"Source","Target",create_using=nx.Graph)
degre_cen=dict(nx.degree_centrality(g))#度中心性
close_cen=dict(nx.closeness_centrality(g))#接近度中心性
node_betwe_cen=dict(nx.betweenness_centrality(g))#节点介数中心性
edge_betwe_cen=dict(nx.edge_betweenness_centrality(g))#边介数中心性
# 创建字典列表
dict_list = [degre_cen,close_cen,node_betwe_cen]
# 获取所有字典的键名
keys = set().union(*(d.keys() for d in dict_list))
# 打开 CSV 文件并将字典按行输出到文件中
with open('E:/output1.csv', mode='w', newline='') as file:
writer = csv.writer(file)
# 写入表头
writer.writerow(['Name','degre_cen','close_cen','node_betwe_cen'])
# 按行输出字典
for key in keys:
row = [key]
for d in dict_list:
if key in d:
row.append(d[key])
else:
row.append('')
writer.writerow(row)
with open('E:/output2.csv', mode='w', newline='') as f:
writer = csv.writer(f)
for row in edge_betwe_cen.items():
writer.writerow(row)