Beispiele#

Graph- und Digraph-Objekte haben eine _repr_svg_()-Methode, sodass sie direkt in einem Jupyter-Notebook gerendert und dargestellt werden können.

Einfaches Beispiel#

[1]:

import graphviz

[2]:

dot = graphviz.Digraph("hello-pythonistas", comment="Hello world example")

dot.edge("Hello", "Pythonistas!")

dot

[2]:

../../_images/matplotlib_graphviz_examples_3_0.svg

Ihr könnt euch auch den Quelltext ausgeben lassen mit:

[3]:

print(dot.source)

// Hello world example
digraph "hello-pythonistas" {
        Hello -> "Pythonistas!"
}

Auch die Ausgabe des Kommentars oder anderer Elemente des Quelltexts sind möglich, z.B. mit:

[4]:

print(dot.comment)

Hello world example

Ihr könnt auch Daten aus einem pandas DataFrame verwenden, z.B.:

[5]:

import pandas as pd


j = {
    "action": [
        "single use",
        "teamwork",
        "convert",
        "Java, R, Julia etc.",
        "extend",
    ],
    "view": ["Jupyter", "JupyterHub", "nbconvert", "kernels", "extensions"],
}

df = pd.DataFrame(j)

df

[5]:

	action	view
0	single use	Jupyter
1	teamwork	JupyterHub
2	convert	nbconvert
3	Java, R, Julia etc.	kernels
4	extend	extensions

[6]:

jm = graphviz.Graph("jupyter_moons", comment="Jupyter moons")

jm.node("What do you want to do?")

for index, row in df.iterrows():
    jm.edge(
        "What do you want to do?", str(row["view"]), label=(str(row["action"]))
    )

jm

[6]:

../../_images/matplotlib_graphviz_examples_10_0.svg

Styling#

Ihr könnt graph_attr-, node_attr- und edge_attr-Argumente der Graph- und Digraph-Konstuktoren verwenden, um die Standardattribute von Graphviz für eure Graphen, Knoten und Kanten zu ändern, z.B.:

[7]:

dot = graphviz.Digraph(
    "hello-pythonistas",
    comment="Hello world example",
    node_attr={"shape": "plaintext"},
)

dot.edge("Hello", "Pythonistas!")

dot

[7]:

../../_images/matplotlib_graphviz_examples_12_0.svg

Die graph_attr-, node_attr- und edge_attr-Argumente können auch auf Instanzen angewendet werden:

[8]:

dot.graph_attr["rankdir"] = "LR"

dot

[8]:

../../_images/matplotlib_graphviz_examples_14_0.svg

Um att_stmt-Attributanweisungen direkt hinzuzufügen, ruft die attr()-Methode der Graph- oder Digraph-Instanz mit dem gewünschten Ziel als erstes Argument und den Attributen als Schlüsselwort-Argument auf.

Hinweis:

Attribut-Anweisungen wirken sich auf alle späteren Graphen, Knoten oder Kanten innerhalb desselben (Sub-)Graphen aus.

Engines#

Neben Dot können auch verschiedene andere Layout Engines verwendet werden.

[9]:

pvl = graphviz.Graph("python_visualisation_landscape", engine="neato")

pvl.edge("Matplotlib", "pandas")
pvl.edge("pandas", "GeoPandas")
pvl.edge("Matplotlib", "Geoplot")
pvl.edge("Matplotlib", "descartes")
pvl.edge("Matplotlib", "seaborn")
pvl.edge("Matplotlib", "ggpy")
pvl.edge("Matplotlib", "plotnine")
pvl.edge("Matplotlib", "scikit_plot")

pvl

[9]:

../../_images/matplotlib_graphviz_examples_17_0.svg

Ihr könnt auch das engine-Attribut einer bestehenden Instanz ändern:

[10]:

pvl.engine = "circo"

pvl

[10]:

../../_images/matplotlib_graphviz_examples_19_0.svg

Eine vollständige Übersicht über die Engines erhaltet ihr mit:

[11]:

for engine in sorted(graphviz.ENGINES):
    print(engine)

circo
dot
fdp
neato
osage
patchwork
sfdp
twopi

Dateien schreiben und lesen#

[12]:

pvl.save()

[12]:

'python_visualisation_landscape.gv'

[13]:

graphviz.Source.from_file("python_visualisation_landscape.gv")

[13]:

../../_images/matplotlib_graphviz_examples_24_0.svg

Dot-Dateien konvertieren#

Eine Dot-Datei kann in ein anderes Format, z.B. PDF, PNG, SVG etc., umgewandelt werden mit render:

[14]:

from graphviz import render

render("dot", "svg", "python_visualisation_landscape.gv")

[14]:

'python_visualisation_landscape.gv.svg'

Siehe auch: