这里有一句俏皮话。

pd.DataFrame.from_dict(dict(graph.nodes(data=True)), orient='index')

我觉得这更简单：

pandas.DataFrame.from_dict(graph.nodes, orient='index')

而不必转换到另一个口授。

我不知道您的数据有多具有代表性，但修改我的代码以在您的真实的网络上工作应该很简单：

In [32]:
data={}
data['node']=[x[0] for x in graph]
data['boss'] = [x[1]['boss'] for x in graph]
data['job'] = [x[1]['job'] for x in graph]
df1 = pd.DataFrame(data)
df1

Out[32]:
    boss      job  node
0    dee  teacher     1
1    foo  teacher     2
2    dee    admin     3
3  lopez    admin     4

这里我所做的就是从图形数据中构造一个字典，Pandas接受字典作为数据，其中键是列名，数据必须是类似数组的，在本例中是值列表
更动态的方法：

In [42]:
def func(graph):
    data={}
    data['node']=[x[0] for x in graph]
    other_cols = graph[0][1].keys()
    for key in other_cols:
        data[key] = [x[1][key] for x in graph]
    return data
pd.DataFrame(func(graph))

Out[42]:
    boss      job  node
0    dee  teacher     1
1    foo  teacher     2
2    dee    admin     3
3  lopez    admin     4

我更新了这个解决方案，以配合我的更新版本的NetworkX（2. 0），并认为我会分享。我还让函数返回一个Pandas Dataframe 。

def nodes_to_df(graph):
    import pandas as pd
    data={}
    data['node']=[x[0] for x in graph.nodes(data=True)]
    other_cols = graph.nodes[0].keys()
    for key in other_cols:
        data[key] = [x[1][key] for x in graph.nodes(data=True)]
    return pd.DataFrame(data)

我已经用dictionary comprehension解决了这个问题。

d = {n:dag.nodes[n] for n in dag.nodes}

df = pd.DataFrame.from_dict(d, orient='index')

字典d将节点nMap到dag.nodes[n]。第二个表达式dag.nodes[n]本身就是一个字典，它具有所有属性：{attribute_name:attribute_value}
所以你的字典d的形式是：

{node_id : {attribute_name : attribute_value} }

我看到的优点是您不需要知道属性的名称。
如果您不想让节点ID作为索引，而是作为列，则可以添加作为最后一个命令：

df.reset_index(drop=False, inplace=True)