学习一时爽，一直学习一直爽linux
Hello，你们好，我是 もうり，一个从无到有的技术+语言小白。web
官方文档：http://www.graphviz.org算法
graphviz是贝尔实验室开发的一个开源的工具包，它使用一个特定的DSL(领域特定语言):dot做为脚本语言，而后使用布局引擎来解析此脚本，并完成自动布局。spring
Graphviz
graphviz自己是一个绘图工具软件，下载地址在：http://www.graphviz.org/。若是你是linux，能够用apt-get或者yum的方法安装。若是是windows，就在官网下载msi文件安装。不管是linux仍是windows，装完后都要设置环境变量，将graphviz的bin目录加到PATH，好比我是windows，加入了PATHwindows
如何布局
graphviz中包含了众多的布局器：微信
dot 默认布局方式，主要用于有向图app
neato 基于spring-model(又称force-based)算法工具
twopi 径向布局布局
circo 圆环布局学习
graph用于无向图
会个dot和graph就能装逼了
要用graphviz画图，首先要明确的就是所画之图为有向图仍是无向图。
Digraph表示有向图，graph表示无向图。
通常来讲，主要是有向图，无向图也可经过设置边的属性来画出无向边。
须注意的是，-> 表示有向图中的边，-- 表示无向图中的边，不能混用。
有向图图
好比，要绘制一个有向图，包含4个节点a,b,c,d。
其中a指向b，b和c指向d。能够定义下列脚本：
创建一个demo.dot脚本：
digraph demo{
a->b;
b->d;
c->d;
}
而后保存下
那么这个demo.png就生成了
打开Graphviz好麻烦，没错还能够直接用cmd
打开cmd到first.dot目录下，运行：
dot -Tpng demo.dot -o demo.png
能够获得画好的图形。
解释：dot表示使用的是dot布局，其余布局相应的修改便可，-T表示格式，即画成png格式，-o表示重命名为first.png。
无向图
就是将->变成 --
graph demo1 {
a -- b
b -- c
c -- a
}
恭喜你入门了，我也就会个dot
http://icodeit.org/2012/01/%E4%BD%BF%E7%94%A8graphviz%E7%BB%98%E5%88%B6%E6%B5%81%E7%A8%8B%E5%9B%BE/
后面就是学下换样式换图形
我得说下hash表就是经过这玩意画的
py交互
主要是将一个决策树可视化
sklearn自带的 export_graphviz
使用的包是pydotplus
pip install pydotplus
demo
# author: 毛利
from sklearn.model_selection import train_test_split
import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn import datasets
from sklearn import tree
from sklearn.metrics import accuracy_score
import pydotplus
iris = datasets.load_iris()
iris_feature = '花萼长度', '花萼宽度', '花瓣长度', '花瓣宽度'
iris_feature_E = 'sepal length', 'sepal width', 'petal length', 'petal width'
iris_class = 'Iris-setosa', 'Iris-versicolor', 'Iris-virginica'
x = pd.DataFrame(iris['data'])[[0,1]]
y = iris.target
x_train,x_test,y_train,y_test = train_test_split(x,y)
model = DecisionTreeClassifier()
model.fit(x_train,y_train)
y_train_pred = model.predict(x_train)
print('训练集正确率：', accuracy_score(y_train, y_train_pred))
# 保存
# dot -Tpng my.dot -o my.png
# 1、输出
with open('iris.dot', 'w') as f:
tree.export_graphviz(model, out_file=f, feature_names=iris_feature_E[0:2], class_names=iris_class,
filled=True, rounded=True, special_characters=True)
tree.export_graphviz(model, out_file='iris.dot', feature_names=iris_feature_E[0:2], class_names=iris_class,
filled=True, rounded=True, special_characters=True)
# 2、给定文件名
tree.export_graphviz(model, out_file='iris.dot')
# tree.export_graphviz(model, out_file='iris.dot')
# 3、输出为pdf格式
dot_data = tree.export_graphviz(model, out_file=None, feature_names=iris_feature_E[0:2], class_names=iris_class,
filled=True, rounded=True, special_characters=True)
graph = pydotplus.graph_from_dot_data(dot_data)
graph.write_pdf('iris.pdf')
f = open('iris.png', 'wb')
f.write(graph.create_png())
f.close()
本文分享自微信公众号 - Python之王（sen13717378202）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。