巴拉巴西-阿尔伯特（Barabasi-Albert）模型是一种常用于生成无标度网络的模型，其中节点的度分布遵循幂律分布。

以下是使用Python语言实现巴拉巴西-阿尔伯特模型生成网络和绘制度分布的代码示例：

import networkx as nx
import matplotlib.pyplot as plt
import numpy as np

def barabasi_albert_model(n, m):
    G = nx.Graph()
    G.add_edge(0, 1)  # 初始化两个节点的连接

    # 使用巴拉巴西-阿尔伯特模型生成网络
    for i in range(2, n):
        degrees = [d for _, d in G.degree()]
        probabilities = degrees / np.sum(degrees)
        new_node = np.random.choice(G.nodes, size=m, replace=False, p=probabilities)
        for node in new_node:
            G.add_edge(i, node)
    
    return G

# 生成巴拉巴西-阿尔伯特模型网络
n = 1000  # 节点数
m = 3  # 每个新节点与现有节点的连接数
model = barabasi_albert_model(n, m)

# 绘制度分布
degrees = [d for _, d in model.degree()]
degree_dist = np.bincount(degrees)
x = np.arange(len(degree_dist))
plt.figure(figsize=(10, 6))
plt.scatter(x, degree_dist, marker='o', s=10)
plt.xlabel('Degree')
plt.ylabel('Frequency')
plt.title('Degree distribution')
plt.xscale('log')
plt.yscale('log')
plt.show()

该代码使用了networkx库生成巴拉巴西-阿尔伯特模型网络，并使用matplotlib库绘制度分布图。其中，n表示网络的节点数，m表示每个新加入节点与现有节点的连接数。

运行代码后，将会生成一个度分布的散点图，横坐标为度，纵坐标为频率。为了更好地展示度分布的特征，代码中使用了对数坐标轴。

请注意，由于随机性的存在，每次运行代码得到的网络和度分布图可能会有所不同。