windows下Graphviz安装及入门教程的实现方法

windows下Graphviz安装及入门教程的实现方法,第1张

windowsGraphviz安装及入门教程的实现方法

下载安装配置环境变量intall配置环境变量验证基本绘图入门graphdigraph一个复杂的例子和python交互

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.gv -Tpng -o image.png

graph

graph使用--描述关系

graph pic1 { 
 a -- b
 a -- b
 b -- a [color=blue]
} 


digraph

使用->描述关系

digraph pic2 { 
 a -> b
 a -> b
 b -> a [style=filled color=blue]
}


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"]
}


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 *** 作如下:

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'])

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


以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。

欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/yw/894725.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-05-14
下一篇 2022-05-14

发表评论

登录后才能评论

评论列表(0条)

保存