Bokeh教程：图和网络图
目录
本文翻译自 bokeh/bokeh-notebooks 项目，并经过修改。
本章将介绍如何使用 NetwortkX 在 Bokeh 中绘制网络节点/链接图。 有关从底层创建图形渲染器的信息，请参见可视化网络图
from bokeh.io import output_notebook, show
from bokeh.plotting import figure
output_notebook()从 NetworkX 绘图
用 Bokeh 绘制网络图的最简单方法是使用 from_networkx 函数。
该函数接受任何 NetworkX 图形，并返回可以添加到绘图中的 Bokeh GraphRenderer。 GraphRenderer 具有 node_renderer 和 edge_renderer 属性，这些属性包含分别绘制节点和边的 Bokeh 渲染器。
下面的示例显示了 nx.desargues_graph() 的 Bokeh 绘图，它设置了一些节点和边属性。
import networkx as nx
from bokeh.models import Range1d, Plot
from bokeh.plotting import from_networkx
G = nx.desargues_graph()
# 我们可以在这里使用 figure，但不要所有的轴和标题
plot = Plot(
x_range=Range1d(-2, 2),
y_range=Range1d(-2, 2)
)
# 使用 nx.spring_layout 从 NetworkX 输入创建 Bokeh 绘图
graph = from_networkx(
G,
nx.spring_layout,
scale=1.8,
center=(0,0)
)
plot.renderers.append(graph)
# 设置一些默认的节点字形（圆形）属性
graph.node_renderer.glyph.update(
size=20,
fill_color="orange"
)
# 设置一些边缘属性
graph.edge_renderer.glyph.line_dash = [2,2]
show(plot)
练习
尝试使用不同的 NetworkX 布局，并在 graph.edgerender.glyph 和 graph.node renderer.glyph 上设置一些属性。
添加额外的数据列
图形渲染器的 node_renderer 和 edge_renderer 属性都有一个 data_source，它是标准的ColumnDataSource，您可以向其中添加新数据。
例如，驱动悬停工具或为渲染器指定颜色。
下面的示例演示了两者。
from bokeh.models import HoverTool
from bokeh.palettes import Category20_20
G = nx.desargues_graph() # always 20 nodes
# 我们可以在这里使用 figure，但不要所有的轴和标题
plot = Plot(
x_range=Range1d(-2, 2),
y_range=Range1d(-2, 2)
)
# 使用 nx.spring_layout 从 NetworkX 输入创建 Bokeh 绘图
graph = from_networkx(
G,
nx.spring_layout,
scale=1.8,
center=(0,0)
)
plot.renderers.append(graph)
# 向节点渲染器数据源添加一些新列
graph.node_renderer.data_source.data['index'] = list(range(len(G)))
graph.node_renderer.data_source.data['colors'] = Category20_20
graph.node_renderer.glyph.update(
size=20,
fill_color="colors"
)
plot.add_tools(
HoverTool(
tooltips="index: @index"
)
)
show(plot)
练习
为其他节点或边属性添加自己的列，例如 fill_alpha 或 line_color，或显示工具提示中的其他字段
from bokeh.palettes import cividis
G = nx.desargues_graph()
plot = Plot(
x_range=Range1d(-2, 2),
y_range=Range1d(-2, 2)
)
graph = from_networkx(
G,
nx.spring_layout,
scale=1.8,
center=(0,0)
)
plot.renderers.append(graph)
graph.edge_renderer.data_source.data['colors'] = cividis(30)
graph.edge_renderer.glyph.update(
line_color="colors"
)
graph.node_renderer.glyph.update(
size=20,
)
plot.add_tools(
HoverTool(
tooltips="index: @index"
)
)
show(plot)
检验和选择政策
Bokeh 渲染器具有 inspection_policy 和 selection_policy 属性，可用于控制悬停检查如何突出显示图形或选择工具如何进行选择。
这些属性可以设置为 bokeh.graphs 中的任何保护策略。
例如，如果用户将鼠标悬停在某个节点上，您可能还希望突出显示所有关联的边，可以通过设置检查策略来完成：
graph.inspection_policy = NodesAndLinkedEdges()
如下例所示。
from bokeh.models.graphs import NodesAndLinkedEdges
from bokeh.models import Circle, HoverTool, MultiLine
G = nx.gnm_random_graph(15, 30)
plot = Plot(
x_range=Range1d(-2, 2),
y_range=Range1d(-2 ,2)
)
graph = from_networkx(
G,
nx.spring_layout,
scale=1.8,
center=(0,0)
)
plot.renderers.append(graph)
# 节点为蓝色圆圈，边为浅灰色线
graph.node_renderer.glyph = Circle(
size=25,
fill_color='#2b83ba'
)
graph.edge_renderer.glyph = MultiLine(
line_color="#cccccc",
line_alpha=0.8,
line_width=2
)
# 节点和边为绿色悬停
graph.node_renderer.hover_glyph = Circle(
size=25,
fill_color='#abdda4'
)
graph.edge_renderer.hover_glyph = MultiLine(
line_color='#abdda4',
line_width=4
)
# 悬停在节点上时，同时高亮显示邻接的边
graph.inspection_policy = NodesAndLinkedEdges()
plot.add_tools(HoverTool(tooltips=None))
show(plot)
练习
尝试其他检查（或选择）策略，如 NodesOnly 或 EdgesAndLinkedNodes
from bokeh.models.graphs import EdgesAndLinkedNodes
from bokeh.models import Circle, HoverTool, MultiLine
G = nx.gnm_random_graph(15, 30)
plot = Plot(
x_range=Range1d(-2, 2),
y_range=Range1d(-2 ,2)
)
graph = from_networkx(
G,
nx.spring_layout,
scale=1.8,
center=(0,0)
)
plot.renderers.append(graph)
# 节点为蓝色圆圈，边为浅灰色线
graph.node_renderer.glyph = Circle(
size=25,
fill_color='#2b83ba'
)
graph.edge_renderer.glyph = MultiLine(
line_color="#cccccc",
line_alpha=0.8,
line_width=2
)
# 节点和边为绿色悬停
graph.node_renderer.hover_glyph = Circle(
size=25,
fill_color='#abdda4'
)
graph.edge_renderer.hover_glyph = MultiLine(
line_color='#abdda4',
line_width=4
)
# 悬停在节点上时，同时高亮显示邻接的边
graph.inspection_policy = EdgesAndLinkedNodes()
plot.add_tools(HoverTool(tooltips=None))
show(plot)
