如何用Holoviews/Bokeh绘制与Networkx节点边位置一致的图？

我懂你的痛点——用Networkx生成的图明明有固定的节点布局（比如你用spring_layout加random_state得到的可复现位置），但转到Holoviews/Bokeh后就完全变样了，而且还担心边权重没正确传递。其实核心问题是布局算法不统一，以及没有把Networkx生成的坐标复用给Holoviews，下面给你一步步解决：

1. 先固定并保存Networkx的布局坐标 #

首先，你需要把Networkx绘图时用的布局坐标单独生成并保存下来，而不是只在nx.draw里临时用。比如你原来的代码里用了nx.spring_layout(G, random_state=100)，我们把它存成变量：

%pylab inline
import pandas as pd
import networkx as nx
import holoviews as hv
import numpy as np

hv.extension('bokeh')
np.random.seed(111)

# 构建图
G=nx.Graph()
ndxs = [1,2,3,4]
G.add_nodes_from(ndxs)
G.add_weighted_edges_from([(1,2,0), (1,3,1), (1,4,-1), (2,4,1), (2,3,-1), (3,4,10)])

# 生成并保存固定布局坐标
pos = nx.spring_layout(G, random_state=100)
# 可选：打印坐标确认
print("节点布局坐标：", pos)

这一步的作用是把你想要的节点位置固定下来，避免每次布局都随机变化。

2. 把预存的布局传给Holoviews #

原来你用了nx.layout.circular_layout，这和spring_layout是完全不同的布局算法，所以节点位置自然不一样。现在我们把刚才保存的pos作为布局函数传给Holoviews：

# 设置绘图参数
%opts Graph [width=400 height=400]
padding = dict(x=(-1.1, 1.1), y=(-1.1, 1.1))

# 关键：用lambda函数返回预存的pos，而不是用新的布局算法
hv_graph = hv.Graph.from_networkx(G, lambda G: pos).redim.range(**padding)
hv_graph

这样绘制出来的图，节点位置就和你用nx.draw(G, pos)得到的完全一致了。

3. 正确传递并可视化边权重 #

你担心边权重没正确传递，其实Holoviews会自动把Networkx图的边属性（包括weight）带进来，只是默认没可视化出来。我们可以把权重映射到边的宽度或颜色上，让图的信息更准确：

# 把边权重映射到线宽，权重越大线越粗
%opts Graph (edge_line_width='weight')
# 或者同时把权重映射到颜色（需要处理负权重的话可以调整颜色映射）
%opts Graph (edge_line_width='weight' edge_color='weight')

# 重新绘制
hv.Graph.from_networkx(G, lambda G: pos).redim.range(**padding)

为什么原来的代码呈现差异大？ #

你原来的Holoviews代码用了nx.layout.circular_layout，这是一种把节点均匀排列在圆周上的布局，和你Networkx绘图时用的spring_layout（基于力导向的布局）逻辑完全不同，所以节点位置自然天差地别。只要复用同一个布局坐标集合，就能解决这个问题。

内容的提问来源于stack exchange，提问作者Soerendip