我想用pydot显示一个简单的图形.
我的问题是,有没有办法显示图形而不将其写入文件,因为目前我使用写入功能首先绘制,然后必须使用图像模块来显示文件.
但有没有什么方法可以直接在屏幕上打印图形而不保存?
另外作为一个更新,我想在同一个问题中问我观察到,当我使用图像模块的show命令时图像得到很快保存时,需要花费大量时间才能看到图像....有时候我得到错误,图像无法打开,因为它被删除或保存在不可用的位置,这是不正确的,因为我将它保存在我的桌面.....有谁知道发生了什么,是否有更快的方式得到图像加载.....
非常感谢....
我使用networkx进行可视化.我看到当我使用draw_networkx_edge_labels函数时,我可以检索边缘的标签.
我想在节点上打印属性(而不是标签)..几乎尝试一切.仍然卡住了.如果我每个节点有5个属性,那么我是否可以在每个节点上打印特定属性?例如,如果汽车节点具有属性:大小,价格,公司,..我想在每个节点上打印汽车的大小?
不知道是否可以在图表上输出.
我有代码
import networkx as nx
import matplotlib.pyplot as plt
G = nx.DiGraph()
G.add_nodes_from([1, 2, 3, 4])
G.add_edges_from([(1, 2), (2, 1), (2, 3)])
nx.draw(G)
plt.savefig("graph.png")
plt.show()
Run Code Online (Sandbox Code Playgroud)
但是,我需要显示标签.如何在图形的节点内显示数值和单词(一,二,三和四)?
我有一些点文件(有向图)我需要在Python中读取并从节点中提取一些值来填充我的数据结构.我看到Python有两个graphviz包:graphviz和pygraphviz.两者之间有什么大的区别吗?从文档的快速滚动,他们似乎做了同样的事情.我将在Python 2.7.X中使用它来完成上述任务.
我想创建一个图表并绘制它,到目前为止一切顺利,但问题是我想在每个节点上绘制更多信息。我看到我可以将属性保存到节点\边缘,但是如何绘制属性?我正在使用 PyGraphviz 女巫使用 Graphviz。
我试图显示.png我使用以下构建的文件.
import pydot, StringIO
dot_data = StringIO.StringIO()
tree.export_graphviz( clf, out_file = dot_data,
feature_names =['age', 'sex', 'first_class', 'second_class', 'third_class'])
graph = pydot.graph_from_dot_data( dot_data.getvalue())
graph.write_png('titanic.png')
from IPython.core.display import Image
Image( filename ='titanic.png')
Run Code Online (Sandbox Code Playgroud)
我从未这样做过,非常感谢你的帮助.
我尝试了以下但没有错误也没有.png显示.
from PIL import Image
image = Image.open("titanic.png")
image.show()
Run Code Online (Sandbox Code Playgroud) pygraphviz 是否允许您将图像渲染到变量?我想通过网页提供动态图像,而无需将图形渲染到磁盘。
这是我在 Python 2.7.9 中的代码:
import matplotlib.pyplot as plt
import networkx as nx
socialNetworl = nx.Graph()
socialNetworl.add_nodes_from([1,2,3,4,5,6])
socialNetworl.add_edges_from([(1,2),(1,3),(2,3),(2,5),(2,6)])
nx.draw(socialNetworl, node_size = 800, node_color="cyan")
plt.show()
Run Code Online (Sandbox Code Playgroud)
但我看不到节点标签。是否有一行代码我忘记了?
python ×8
pygraphviz ×4
graphviz ×3
networkx ×3
attributes ×1
delete-file ×1
directory ×1
draw ×1
file-io ×1
graph ×1
matplotlib ×1
numpy ×1
pydot ×1
scikit-learn ×1