图可视化：如何生成带方形边界的ForceAtlas2布局

尝试复现某博客中的图可视化示例（见下图），使用Python及RAPIDS中的cugraph.force_atlas2生成ForceAtlas2布局，但无论如何调整参数，顶点始终呈现近似圆形分布。而示例中的图可视化顶点明显被限制在方形边界内，想了解实现方法，是否遗漏了某些变换或参数？

调用cugraph.force_atlas2的典型代码如下：

cugraph.force_atlas2(G,
                     max_iter=500,
                     pos_list=None,
                     outbound_attraction_distribution=True,
                     lin_log_mode=False,
                     edge_weight_influence=1.0,
                     jitter_tolerance=1.0,
                     barnes_hut_optimize=True,
                     barnes_hut_theta=1.0,
                     scaling_ratio=2.0,
                     strong_gravity_mode=False,
                     gravity=1.0,
                     verbose=False,
                     callback=None)

• 注意：ForceAtlas2算法本身不会主动限制布局到方形边界，示例中的方形效果要么是可视化工具的设置，要么是对布局坐标做了后处理，结合参数调整可以实现类似效果：

1. 调整布局参数打破圆形分布

   • 增大scaling_ratio：当前设置为2.0，可尝试提升至5-10，这个参数控制节点间排斥力的缩放比例，数值越大，节点分散程度越高，能有效打破均匀圆形分布。
   • 启用strong_gravity_mode：将参数设为True，同时调高gravity至5-10，强重力模式会让节点向中心聚集，避免因排斥力过度导致的圆形扩散。
   • 降低barnes_hut_theta：当前值为1.0，可调整到0.5-0.8，提升Barnes-Hut近似计算的精度，让节点间的力作用更精准，优化布局形态。
   • 增加迭代次数：将max_iter提升至1000-2000，让布局充分收敛，避免因迭代不足导致的未稳定圆形分布。

2. 可视化阶段添加边界约束
   大部分可视化库（如Matplotlib、Plotly、PyVis）都支持设置坐标轴范围，直接固定x、y轴的最大值和最小值，就能让节点显示在方形区域内。比如用Matplotlib时：

   plt.xlim(-100, 100)
   plt.ylim(-100, 100)
   

3. 手动归一化布局坐标
   如果可视化工具没有便捷的边界设置，可以对cugraph.force_atlas2返回的坐标做归一化处理，强制缩放到指定方形范围：

   # 假设pos是返回的布局DataFrame，包含x、y列
   # 定义目标方形范围
   target_min = -100
   target_max = 100
   
   # 归一化x坐标
   x_min, x_max = pos['x'].min(), pos['x'].max()
   pos['x'] = (pos['x'] - x_min) / (x_max - x_min) * (target_max - target_min) + target_min
   
   # 归一化y坐标
   y_min, y_max = pos['y'].min(), pos['y'].max()
   pos['y'] = (pos['y'] - y_min) / (y_max - y_min) * (target_max - target_min) + target_min
   

4. 检查图数据结构
   如果你的图是均匀连接的随机图或度分布差异极小，ForceAtlas2很容易生成圆形分布。可以先分析图的度分布、社区结构，确保你的图和示例图有类似的拓扑特征——示例图大概率存在明显的社区聚集，才会形成非圆形的边界形态。

内容的提问来源于stack exchange，提问作者Porcupine Andrew