Python如何通过Bokeh'；s来自网络X

我正在尝试使用bokeh的from_networkx函数和nx.spring_布局参数绘制一个带有bokeh的networkx图。我试图尽可能多地在一个数据帧中定义我的图形及其属性。我想初始化节点的位置；如何将这些位置传递到spring_布局？（如果它被传递到nx.spring_布局中（…），我没有得到正确的格式。）任何方向都会有帮助

换句话说，对于bokeh.from_networkx（G，networkx.spring_布局…），如何像不使用bokeh时一样将参数传递给spring_布局（例如。， networkx.spring\u布局（G，dim=2，k=None，pos=None…）

简单的例子：

import networkx as nx
import pandas as pd
from bokeh.models import Plot, ColumnDataSource, Range1d, from_networkx, Circle,MultiLine
from bokeh.io import show, output_file
from bokeh.palettes import Viridis

#define graph
source = ['A', 'A', 'A','a','B','B','B','b']
target = ['a', 'B','b','b','a','b','A','a']
weight = [1,-1000,1,1,1,1, -1000, 1]
df = pd.DataFrame([source,target,weight])
df = df.transpose()
df.columns = ['source','target','weight']
G=nx.from_pandas_dataframe(df, 'source', 'target', ['weight'])

#set node attributes
node_color = {'A':Viridis[10][0], 'B':Viridis[10][9],'a':Viridis[10][4],'b':Viridis[10][4]}
node_size = {'A':50, 'B':40,'a':10,'b':10}
node_initial_pos = {'A':(-0.5,0), 'B':(0.5,0),'a':(0,0.25),'b':(0,-0.25)}
nx.set_node_attributes(G, 'node_color', node_color)
nx.set_node_attributes(G, 'node_size', node_size)
nx.set_node_attributes(G, 'node_initial_pos', node_initial_pos)

#source with node color, size and initial pos (perhaps )
source = ColumnDataSource(pd.DataFrame.from_dict({k:v for k,v in G.nodes(data=True)}, orient='index'))

plot = Plot(plot_width=400, plot_height=400,
            x_range=Range1d(-1.1,1.1), y_range=Range1d(-1.1,1.1))

graph_renderer = from_networkx(G, nx.spring_layout, scale=0.5, center=(0,0))

#style
graph_renderer.node_renderer.data_source = source
graph_renderer.node_renderer.glyph = Circle(fill_color = 'node_color',size = 'node_size', line_color = None)

graph_renderer.edge_renderer.glyph = MultiLine(line_color="#CCCCCC", line_alpha=0.8, line_width=5)


plot.renderers.append(graph_renderer)
output_file('test.html')

show(plot)

理想情况下，我不会为位置（或颜色或大小）创建字典，而是将它们作为传递给图G的df的一部分输入

---

Bokeh 0.12.14，Networkx 2.1，Python3.6.3编辑：您可以在

from_Networkx（pos=）

函数中传递位置参数

我用networkx 2.2和python 3.5测试了您的代码。它的工作与小调整

import networkx as nx
import pandas as pd
from bokeh.models import Plot, ColumnDataSource, Range1d, from_networkx, Circle,MultiLine
from bokeh.io import show, output_file
from bokeh.palettes import Viridis

#define graph
source = ['A', 'A', 'A','a','B','B','B','b']
target = ['a', 'B','b','b','a','b','A','a']
weight = [1,-1000,1,1,1,1, -1000, 1]
df = pd.DataFrame([source,target,weight])
df = df.transpose()
df.columns = ['source','target','weight']
G=nx.from_pandas_edgelist(df) # function signature changes

#set node attributes
node_color = {'A':Viridis[10][0], 'B':Viridis[10][9],'a':Viridis[10][4],'b':Viridis[10][4]}
node_size = {'A':50, 'B':40,'a':10,'b':10}
node_initial_pos = {'A':(-0.5,0), 'B':(0.5,0),'a':(0,0.25),'b':(0,-0.25)}
nx.set_node_attributes(G,  node_color, name='node_color') # function signature changes
nx.set_node_attributes(G,  node_size, name='node_size') # function signature changes
nx.set_node_attributes(G,  node_initial_pos, name='node_initial_pos') # function signature changes

#source with node color, size and initial pos (perhaps )
source = ColumnDataSource(pd.DataFrame.from_dict({k:v for k,v in G.nodes(data=True)}, orient='index'))

plot = Plot(plot_width=400, plot_height=400,
            x_range=Range1d(-1.1,1.1), y_range=Range1d(-1.1,1.1))

graph_renderer = from_networkx(G, nx.spring_layout, scale=0.5, center=(0,0), pos=node_initial_pos)

#style
graph_renderer.node_renderer.data_source = source
graph_renderer.node_renderer.glyph = Circle(fill_color = 'node_color',size = 'node_size', line_color = None)

graph_renderer.edge_renderer.glyph = MultiLine(line_color="#CCCCCC", line_alpha=0.8, line_width=5)


plot.renderers.append(graph_renderer)
output_file('test.html')

show(plot)

输出：不带位置参数

输出：带位置参数

---

我可以得到这样的图表。我不明白如何将position之类的参数传递到spring_布局中。我将对这个问题添加更多的描述来说明这一点。from_networkx函数描述：任何关键字参数都将传递给布局函数，在您的答案中更改这一行，我可以接受它：graph_renderer=from_networkx（G，nx.spring_布局，比例=0.5，中心=（0,0），pos=node_initial_pos）我现在明白你的问题了。很高兴我能帮你自己解决这个问题。