學習一時爽，一直學習一直爽linux
Hello，你們好，我是 もうり，一個從無到有的技術+語言小白。web
官方文檔：http://www.graphviz.org算法
graphviz是貝爾實驗室開發的一個開源的工具包，它使用一個特定的DSL(領域特定語言):dot做爲腳本語言，而後使用佈局引擎來解析此腳本，並完成自動佈局。spring
Graphviz
graphviz自己是一個繪圖工具軟件，下載地址在：http://www.graphviz.org/。若是你是linux，能夠用apt-get或者yum的方法安裝。若是是windows，就在官網下載msi文件安裝。不管是linux仍是windows，裝完後都要設置環境變量，將graphviz的bin目錄加到PATH，好比我是windows，加入了PATHwindows
如何佈局
graphviz中包含了衆多的佈局器：微信
dot 默認佈局方式，主要用於有向圖app
neato 基於spring-model(又稱force-based)算法工具
twopi 徑向佈局佈局
circo 圓環佈局學習
graph用於無向圖
會個dot和graph就能裝逼了
要用graphviz畫圖，首先要明確的就是所畫之圖爲有向圖仍是無向圖。
Digraph表示有向圖，graph表示無向圖。
通常來講，主要是有向圖，無向圖也可經過設置邊的屬性來畫出無向邊。
須注意的是，-> 表示有向圖中的邊，-- 表示無向圖中的邊，不能混用。
有向圖圖
好比，要繪製一個有向圖，包含4個節點a,b,c,d。
其中a指向b，b和c指向d。能夠定義下列腳本：
創建一個demo.dot腳本：
digraph demo{
a->b;
b->d;
c->d;
}
而後保存下
那麼這個demo.png就生成了
打開Graphviz好麻煩，沒錯還能夠直接用cmd
打開cmd到first.dot目錄下，運行：
dot -Tpng demo.dot -o demo.png
能夠獲得畫好的圖形。
解釋：dot表示使用的是dot佈局，其餘佈局相應的修改便可，-T表示格式，即畫成png格式，-o表示重命名爲first.png。
無向圖
就是將->變成 --
graph demo1 {
a -- b
b -- c
c -- a
}
恭喜你入門了，我也就會個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/
後面就是學下換樣式換圖形
我得說下hash表就是經過這玩意畫的
py交互
主要是將一個決策樹可視化
sklearn自帶的 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 = '花萼長度', '花萼寬度', '花瓣長度', '花瓣寬度'
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('訓練集正確率：', accuracy_score(y_train, y_train_pred))
# 保存
# dot -Tpng my.dot -o my.png
# 1、輸出
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、給定文件名
tree.export_graphviz(model, out_file='iris.dot')
# tree.export_graphviz(model, out_file='iris.dot')
# 3、輸出爲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()
本文分享自微信公衆號 - Python之王（sen13717378202）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。