windows下Graphviz安装及入门教程

发现好的工具，如同发现新大陆。有时，我们会好奇，论文中、各种专业的书中那么形象的插图是如何做出来的，无一例外不是对绘图工具的熟练使用。

---

下载安装、配置环境变量

intall

windows版本下载地址：http://www.graphviz.org/Download_windows.php

双击msi文件，然后一直next（记住安装路径，后面配置环境变量会用到路径信息），安装完成之后，会在windows开始菜单创建快捷信息，默认快捷方式不放在桌面。 

 

配置环境变量

将graphviz安装目录下的bin文件夹添加到Path环境变量中：

 

 

验证

进入windows命令行界面，输入dot -version，然后按回车，如果显示graphviz的相关版本信息，则安装配置成功。

 

基本绘图入门

打开windows下的graphviz编辑器gvedit，编写如下的dot脚本语言，保存成gv格式文本文件。然后进入命令行界面，使用dot命令，将gv文件转化为png图形文件。

dot D:\test\1.gv -Tpng -o image.png
 
 
1

graph

graph使用--描述关系

graph pic1 { 
  a -- b
  a -- b
  b -- a [color=blue]
} 
 
 
1
2
3
4
5

 

digraph

使用->描述关系

digraph pic2 { 
  a -> b
  a -> b
  b -> a [style=filled color=blue]
} 
 
 
1
2
3
4
5

 

一个复杂的例子

digraph startgame {
    label="游戏资源更新流程"
    rankdir="TB"
    start[label="启动游戏" shape=circle style=filled]
    ifwifi[label="网络环境判断是否 WIFI" shape=diamond]
    needupdate[label="是否有资源需要更新" shape=diamond]
    startslientdl[label="静默下载" shape=box]
    enterhall[label="进入游戏大厅" shape=box]

    enterroom[label="进入房间" shape=box]
    resourceuptodate[label="资源不完整" shape=diamond]
    startplay[label="正常游戏" shape=circle fillcolor=blue]
    warning[label="提醒玩家是否更新" shape=diamond]
    startdl[label="进入下载界面" shape=box]
    //{rank=same; needupdate, enterhall}

    {shape=diamond; ifwifi, needupdate}

    start -> ifwifi
    ifwifi->needupdate[label="是"]
    ifwifi->enterhall[label="否"]
    needupdate->startslientdl[label="是"]
    startslientdl->enterhall
    needupdate->enterhall[label="否"]

    enterhall -> enterroom
    enterroom -> resourceuptodate
    resourceuptodate -> warning[label="是"]
    resourceuptodate -> startplay[label="否"]
    warning -> startdl[label="确认下载"]
    warning -> enterhall[label="取消下载"]
    startdl -> enterhall[label="取消下载"]
    startdl -> startplay[label="下载完成"]
}
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34

 

和python交互

graphviz强大而便捷的关系图/流程图绘制方法，很容易让我们联想到机器学习中的Decision Tree的展示方式。幸运的是，scikit-learn提供了生成.dot文件的接口，具体操作如下：

在python编辑环境下：

from sklearn.tree import export_graphviz    # 导入的是一个函数
# tree表示已经训练好的模型，即已经调用过DecisionTreeClassifier实例的fit(X_train, y_train)方法
export_graphviz(tree, out_file='tree.dot', 
        feature_names=['petal length', 'petal width'])
 
 
1
2
3
4

进入windows命令行界面，cd 切换到tree.dot所在的路径，执行

dot -Tpng tree.dot -o tree.png
 
 
1