数据可视化（三）基于 Graphviz 实现程序化绘图
2019独角兽企业重金招聘Python工程师标准>>>
前言
我之前在几篇文章新一代Ntopng网络流量监控—可视化和架构分析、 数据可视化（一）思维利器 OmniGraffle 绘图指南 |201601，都曾提到了力导图，在关于 OmniGraffle 的文章结尾还吐槽了一番自动布局按钮的坑。在本文中我力求将这个坑填上。
OmniGraffle 生成自动布局图形的基础是 Graphviz 引擎。Graphviz（Graph Visualization Software）是一个由AT&T实验室启动的开源工具包，能够支持基于 DOT 脚本，文件扩展名通常是 .gv 或 .dot 的描述绘制图形。DOT 是一种文本图形描述语言，将生成的图形转换成多种输出格式的命令行工具，其输出格式包括PostScript，PDF，SVG，PNG，含注解的文本等。DOT 本身非常原始，提供了一种非常简单的描述图形的方法，同时意味着可以在命令行终端使用，或者被其它编程语言调用（Graphviz 就可以作为一个库使用）。这一点非常关键，基于 Graphviz 应用开发者不必掌握布局的复杂算法，而是可以把精力放在业务方面，将最后的图对象交给绘图引擎来处理即可。
有趣的是 Graphviz(Mac 版) 和 OmniGraffle 都曾获得苹果设计奖 Apple Design Awards。
在深入掌握 Graphviz 及其相关衍生应用之前，我们有必要了解一些基础理论 —— 图论(Graph theory)。
一、背景知识：图论(Graph theory)
- 柯尼斯堡七桥问题
东普鲁士柯尼斯堡（今日俄罗斯加里宁格勒）市区跨普列戈利亚河两岸，河中心有两个小岛。小岛与河的两岸有七条桥连接。在所有桥都只能走一遍的前提下，如何才能把这个地方所有的桥都走遍？
许多数学家都尝试去寻找这类问题的解决方案，后来发展成为了数学中的图论。图论史上第一篇重要文献是莱昂哈德·欧拉在1736年发表在圣彼得堡科学院的《柯尼斯堡的七桥》。该论文证明了柯尼斯堡七桥问题中，符合条件的走法并不存在，同时提出和解决了一笔画问题。过桥问题可以抽象简化为平面上的点与线组合，每一座桥视为一条线，桥所连接的地区视为点。从这个点出发的线有奇数条称为奇点，从这个点出发的线有偶数条称为偶点。任意一种河──桥图能否全部走一次的判定法则： 如果存在两个以上（不包括两个）奇顶点，路线不存在；且有n个奇顶点的图至少需要n/2笔画出。
1、经典适用场景
- 路径问题（柯尼斯堡七桥问题），最小生成树问题，斯坦纳树
- 网络流与匹配问题：最大流问题，最小割问题，最大流最小割定理，最小费用最大流问题，二分图及任意图上的最大匹配，带权二分图的最大权匹配
- 覆盖问题：最大团、最大独立集、最小覆盖集、最小支配集
2、经典算法
- 戴克斯特拉算法(D.A)
- 克鲁斯卡尔算法(K.A)
- 普里姆算法(P.A)
- 拓扑排序算法(TSA)
- 关键路径算法(CPA)
- 广度优先搜索算法(BFS)
- 深度优先搜索算法(DFS)
二、Graphviz 简明指南
1、Graphviz 布局器
总的来说，Graphviz 支持两类图：无向图（graph,用“ - - ”表示节点之间）和 有向图（digraph,用“ ->” 表示节点之间）。顶点和边都具有各自的属性，比如形状，颜色，填充模式，字体，样式等。主要的布局器如下：
- dot: 默认布局方式，主要用于有向图；
- neato：基于 sprint model 模型，又称force-based 或者 energy minimized；
- twopi：径向布局，放射状；
- circo：圆环布局；
- fdp：无向图；
- dotty：一个用于可视化与修改图形的图形用户界面程序；
- lefty：一个可以显示 DOT 图形的可编程控件，并允许用户用鼠标在图上执行操作。
2、Hello World!
$ brew install graphviz $ dot -Tpng demo.dot -o demo.png digraph demo{label="儿茶酚胺合成代谢路径";酪氨酸 -> L多巴 -> 多巴胺 -> 去甲肾上腺素 -> 肾上腺素;下丘脑 -> 多巴胺;交感神经元 -> 去甲肾上腺素;肾上腺髓质 -> 去甲肾上腺素,肾上腺素;酪氨酸 [label="酪氨酸",color=green];多巴胺 [label="多巴胺", color=red];肾上腺素 [label="肾上腺素", color=red];下丘脑 [shape=box];交感神经元 [shape=box];肾上腺髓质 [shape=box]; }3、twopi 径向布局
## 缺省为 dot 布局 $ dot -Kcirco -Tpng demo.dot -o demo.png三、应用场景
1、软件工程领域
软件工程领域的复杂系统数据结构分析和软件包依赖关系管理。例如 Linux 内核内部结构非常复杂，从概念上就由五个主要的子系统构成：进程调度器模块、内存管理模块、虚拟文件系统、网络接口模块和进程间通信模块。这些模块之间通过函数调用和共享数据结构进行数据交互，在涉及内核版本、应用程序升级等场景中，弄清楚模块之间的依赖关系非常重要。
lsmod 命令用于显示已经加载到内核中的模块的状态信息，Used by表示依赖的内容。通过 lsmod 命令获取依赖信息之后，简单处理就可以转化为图形，而且图形生成的全过程可以由程序固化。
$ lsmod Module Used by vboxdrv vboxnetadp,vboxnetflt,vboxpci nf_reject_ipv4 ipt_REJECT ebtables ebtable_filter ip6_tables ip6table_filter ip6_udp_tunnel vxlan udp_tunnel vxlan xor btrfs raid6_pq btrfs nf_nat_masquerade_ipv4 ipt_MASQUERADE xfrm_algo xfrm_user nf_defrag_ipv4 nf_conntrack_ipv4...... digraph kernel{vboxdrv->vboxnetadp,vboxnetflt,vboxpci;nf_reject_ipv4->ipt_REJECT;ebtables->ebtable_filter;ip6_tables->ip6table_filter;ip6_udp_tunnel->vxlan;udp_tunnel->vxlan;xor->btrfs;raid6_pq->btrfs;nf_nat_masquerade_ipv4->ipt_MASQUERADE;xfrm_algo->xfrm_user;nf_defrag_ipv4->nf_conntrack_ipv4;...... }基于 Graphviz 的一个开源项目 PlantUML 支持快速绘制各类 UML 图形：时序图、用例图、类图、活动图、组件图、状态图、对象图等。
@startuml scale 600 width[*] -> State1 State1 --> State2 : Succeeded State1 --> [*] : Aborted State2 --> State3 : Succeeded State2 --> [*] : Aborted state State3 {state "Accumulate Enough Data\nLong State Name" as long1long1 : Just a test[*] --> long1long1 --> long1 : New Datalong1 --> ProcessData : Enough Data } State3 --> State3 : Failed State3 --> [*] : Succeeded / Save Result State3 --> [*] : Aborted@enduml2、通信工程领域
- nwdiag 是一个基于 Python 的、支持 Dot 脚本生成网络图的库
- 结合 GIS 信息追踪网络路由
3、社会工程领域
- 决策树(Decision Tree)：人群鄙视链
- 复杂人物关系链分析（《红楼梦》、《权力的游戏》）
注意: 如果需要使用分组（Group）特性，子图的名称必须以“cluster”开头，否则无法识别
digraph family {label ="《红楼梦》人物关系谱·主要角色";subgraph cluster_皇族{label ="皇族";bgcolor="mintcream";node [ color="lightyellow", style="filled"];北静王 [label = "北静王",shape="Mrecord"];义忠顺王 [label = "义忠顺王",shape="Mrecord"];贾元春 [label = "贾元春（长女）\n 凤藻宫尚书·贤德妃",shape="Mrecord"];}subgraph cluster_宁国公{label ="宁国公(西府)";bgcolor="mintcream";node [ color="green", style="filled"];贾演 [label = "贾演 \n 宁国公"];贾代化[label = "贾代化 \n 爵位：一等神威将军 \n 职务（武官）：京营节度使",shape="Mrecord"];贾演 -> 贾代化[label = "子"];......}...... }扩展阅读：数据可视化
- 数据可视化（一）思维利器 OmniGraffle 绘图指南
- 数据可视化（二）跑步应用Nike+ Running 和 Garmin Mobile 评测
- 数据可视化（三）基于 Graphviz 实现程序化绘图
- 数据可视化（四）开源地理信息技术简史（Geographic Information System
- Preview:数据可视化（五）可视化数据图表制作方法
- 数据可视化（六）常见的数据可视化仪表盘(DashBoard)
- 数据可视化（七）Graphite 体系结构详解
更多精彩内容扫码关注公众号：RiboseYim's Blog：http://riboseyim.github.io/2017/09/15/Visualization-Graphviz/
转载于:https://my.oschina.net/zijingshanke/blog/1541311
总结
以上是生活随笔为你收集整理的数据可视化（三）基于 Graphviz 实现程序化绘图的全部内容，希望文章能够帮你解决所遇到的问题。
- 上一篇： 快速的在Adobe Illustrato
- 下一篇： self-supervised text