python 几何图形_PyGraphviz (几何图形可视化工具) 简单入门

1 Graphviz 几何图形工具

Graphviz 是一个几何图形可视化软件，能够将数据的结构信息表示为抽象图形和网络图的方式。PyGraphviz 主要对数据量大、可任意定制的图形上具有强大优势。

建议：由于 PyGraphviz 暂时无法对同源节点合并线段。在流程图、小型结构图方面，Visio 可以作为 Graphviz 的直接替代软件。

2 获取模块

(1) Windows 系统

步骤一：到官网 Graphviz 官网下载 msi 文件，并将 Graphviz2.38\bin 添加到环境变量；

步骤二：终端输入pip install graphviz

(2) MacOS 系统

步骤一：在终端使用 Homebrew 下载： brew install graphviz

步骤二：终端输入pip install graphviz

3 快速入门

(1) 导入模块

import pygraphviz as pgv

(2) 创建图形

G = pgv.AGraph(directed=True, strict=False, nodesep=0, ranksep=1.2, rankdir="TB",

splines="none", concentrate=True, bgcolor="write",

compound=True, normalize=False, encoding='UTF-8')directed -> False | True：有向图

strict -> True | False：简单图

nodesep：同级节点最小间距

ranksep：不同级节点最小间距

rankdir：绘图方向，可选 TB (从上到下), LR (从左到右), BT (从下到上), RL (从右到左)

splines：线条类型，可选 ortho (直角), polyline (折线), spline (曲线), line (线条), none (无)

concentrate -> True | False：合并线条 (双向箭头)

bgcolor：背景颜色

compound -> True | False：多子图时，不允许子图相互覆盖

normalize -> False | True：以第一个节点作为顶节点

(3) 添加节点

G.add_node(name, label=None, fontname="Times-Roman", fontsize=14,

shape="ellipse", style="rounded", color="black", fontcolor="black",

pos="x,y(!)", fixedsize=False, width=1, height=1)

G.add_nodes_from(names, **attr) # 批量添加点，参数同上name -> str：节点名。label 为节点标签，未指定时显示 name

fontname：字体名称，常用：Microsoft YaHei, SimHei, KaiTi, SimSun, FangSong, Times-Roman, Helvetica, Courier。可以使用 "times bold italic" 表示字体类型、粗细、倾斜

fixedsize -> Flase | True | "shape"`：固定大小，默认随文本长度变化。设置为 True 时，width 和 height 参数共同控制点大小。设置为 "shape" 时，将取标签文本和设置值的较大者

style：节点线样式，使用 `color` 设置线条颜色 (style="filled" 时，设置填充颜色)shape：节点形状pos -> str：点的初始位置。使用 "x,y!" 时，可以强制固定点的位置。

(4) 添加边

G.add_edge(origin, target, color="black", style="solid", penwidth=1,

label="", fontname="Times-Roman", fontsize=14, fontcolor="black",

arrowsize=1, arrowhead="normal", arrowtail="normal", dir="forward")

G.add_nodes_from([[origin_1, target_1],

[origin_2, target_2],...], **attr) # 批量添加线，参数同上label -> str：边标签，未指定时不显示

penwidth：线条粗细

arrowsize：箭头大小

arrowhead：箭头类型，可选 normal, vee

dir：箭头方向，可选 both, forward, back, none。只有在无向图中才起作用！

(5) 导出图形

G.layout()

G.draw(file_name, prog="neato")prog：布局算法，可选 neato, dot (推荐), twopi, circo, fdp

4 案例

4.1 案例一：因果关系图

import pygraphviz as pgv

G = pgv.AGraph(directed=True, strict=False, ranksep=0.2, splines="spline", concentrate=True)

# 设置节点标签

nodeA = "Police\nIntelligence"

nodeB = "Police Station"

nodeC = "Criminal Action"

nodeD = "Incidents"

nodeE = "Police Dockets"

nodeF = "Control Room\nAwareness"

nodeG = "Patroller Information"

nodeH = "Patroller Awareness"

# 添加节点

G.add_nodes_from([nodeA, nodeB, nodeC, nodeD, nodeE, nodeF, nodeG, nodeH],

color="#ffffff", fontname="times bold italic")

# 添加边

G.add_edges_from([[nodeA, nodeB], [nodeA, nodeF], [nodeB, nodeC], [nodeC, nodeD],

[nodeC, nodeG], [nodeD, nodeE], [nodeD, nodeG], [nodeE, nodeA],

[nodeF, nodeA], [nodeF, nodeG], [nodeF, nodeH], [nodeG, nodeF],

[nodeH, nodeG]], color="#7F01FF", arrowsize=0.8)

# 导出图形

G.layout()

G.draw("因果关系图.png", prog="dot")

4.2 案例二：因子相关性图

import pygraphviz as pgv

G = pgv.AGraph(directed=True, rankdir="TB")

# 设置节点标签

Root = "道路交通流畅"

negative_1 = "平均延误时间"

negative_2 = "负荷度"

negative_3 = "小区位置"

negative_4 = "相对延误率"

negative_5 = "房屋密度"

negative_6 = "人口密度"

negative_7 = "总延误率"

negative_8 = "排队率"

negative_9 = "行驶时间"

positive_1 = "通行能力"

positive_2 = "公路层级"

positive_3 = "路网结构"

positive_4 = "行驶速度"

positive_5 = "路网长度"

positive_6 = "小区面积"

positive_7 = "内部道路密度"

positive_8 = "路网密度"

# 添加节点

G.add_node(Root, style="filled", shape="box3d", color="#feb64d")

for negative in [eval(_) for _ in dir() if _.startswith("negative")]:

G.add_node(negative, style="filled", shape="ellipse", color="#CFDBF6")

for positive in [eval(_) for _ in dir() if _.startswith("positive")]:

G.add_node(positive, style="filled", shape="ellipse", color="#B4E7B7")

# 添加边

G.add_edges_from([[Root, negative_1], [Root, negative_6], [Root, negative_8], [Root, negative_9],

[negative_1, negative_2], [negative_1, negative_7], [negative_2, negative_3],

[negative_2, negative_7], [negative_3, negative_4], [negative_8, negative_9],

[positive_2, negative_5], [positive_3, negative_4], [positive_4, negative_5]],

color="#B4DBFF", style="dashed", penwidth=1.5)

G.add_edges_from([[Root, positive_1], [Root, positive_8], [negative_5, negative_4],

[negative_6, positive_4], [negative_5, positive_4], [negative_9, positive_5],

[positive_1, positive_2], [positive_2, positive_3], [positive_6, positive_5],

[positive_7, positive_6], [positive_8, positive_7]],

color="#B4E7B7", style="dashed", penwidth=1.5)

# 导出图形

G.layout()

G.draw("因子相关性图.png", prog="dot")

4.3 案例三：简单神经网络图

import pygraphviz as pgv

G = pgv.AGraph(directed=True, rankdir="LR")

# 设置层数、每层节点数

network_structure = input("输入神经网络每层节点数，如：[10, 7, 5, 4, 2, 1]\n")

all_nodes = [[f"layer{layer_index}node{node_index}" for node_index in range(layer_nodes_num)] for

layer_index, layer_nodes_num in enumerate(eval(network_structure))]

# 添加输入层节点

for node_index, node in enumerate(all_nodes[0]):

G.add_node(node, label="", shape="circle", style="bold", color="#60acfc", pos=f"0,{0.6 * node_index}!")

# 添加输入层文本

G.add_node(f"Input_Layer", shape="none", label=f"Input_Layer({len(all_nodes[0])})",

pos=f"{0},{(node_index + 1) * 0.6}!")

# 添加中间层、输出层节点

for layer_index, layer in enumerate(all_nodes[1:]):

color = "#5bc49f" if layer_index == len(all_nodes[1:]) - 1 else "#ff7c7c"

for node_index, node in enumerate(layer):

x = 1.5 * (layer_index + 1)

y = - 0.3 * (len(all_nodes[layer_index + 1]) - len(all_nodes[0])) + 0.6 * node_index

G.add_node(node, label="", shape="circle", style="bold", color=color, pos=f"{x},{y}!")

# 添加中间层、输出层文本

text = f"Output_Layer({len(all_nodes[-1])})" if layer_index == len(all_nodes[1:]) - 1 else f"Layer_{layer_index + 1}({len(layer)})"

G.add_node(f"Layer_{layer_index + 1})", shape="none", label=text,

pos=f"{x},{y + 0.4}!")

# 添加线

for layer_index in range(all_nodes.__len__() - 1):

for start in all_nodes[layer_index]:

for end in all_nodes[layer_index + 1]:

G.add_edge(start, end)

# 导出图形

G.layout()

G.draw("神经网络.png")

# 运行代码，输入 [5, 10, 15, 15, 15, 10, 5, 1]

作者：张柳彬

如有疑问，请联系QQ：965579168

不接论文代做, 转载请声明出处