要构建一个动态变化的网络拓扑图，你可以使用Bokeh库来实现。以下是一个简单的示例代码，演示如何使用Bokeh创建一个简单的网络拓扑图，并且通过动态更新数据来实现图的动态变化。
from bokeh.plotting import figure, show
from bokeh.models import ColumnDataSource, LabelSet
from bokeh.layouts import column
from bokeh.io import curdoc
import numpy as np
import networkx as nx
# 创建一个简单的网络拓扑图
G = nx.Graph()
G.add_nodes_from([1, 2, 3, 4, 5])
G.add_edges_from([(1, 2), (2, 3), (3, 4), (4, 5), (5, 1)])
# 创建一个Bokeh绘图对象
p = figure(title="Dynamic Network Topology", x_range=(-2, 2), y_range=(-2, 2))
# 创建一个ColumnDataSource来存储节点的位置信息
node_positions = nx.spring_layout(G)
source = ColumnDataSource(data=dict(x=[], y=[], names=[]))
# 绘制节点和边
p.circle('x', 'y', size=20, source=source)
p.multi_line([(1, 2), (2, 3), (3, 4), (4, 5), (5, 1)], [(1, 2), (2, 3), (3, 4), (4, 5), (5, 1)], line_width=2)
# 添加标签
labels = LabelSet(x='x', y='y', text='names', level='glyph', text_align='center', text_baseline='middle', source=source, render_mode='canvas')
p.add_layout(labels)
# 更新数据的回调函数
def update():
new_positions = nx.spring_layout(G)
source.data = dict(x=[new_positions[i][0] for i in range(len(G.nodes))],
y=[new_positions[i][1] for i in range(len(G.nodes))],
names=[str(i) for i in G.nodes])
# 添加周期性更新数据的回调
curdoc().add_periodic_callback(update, 1000)
# 在网页中显示绘图对象
layout = column(p)
curdoc().add_root(layout)
show(layout)
在这个示例代码中，我们首先创建了一个简单的网络拓扑图，然后使用Bokeh创建了一个绘图对象，并设置了节点和边的绘制方式。接着我们创建了一个ColumnDataSource来存储节点的位置信息，并在绘图中绘制节点和边以及添加标签。最后，我们定义了一个更新数据的回调函数，并使用add_periodic_callback函数来周期性地更新数据，从而实现网络拓扑图的动态变化。
你可以根据自己的需求对这段代码进行修改和扩展，以实现更复杂的动态网络拓扑图。
