【问题标题】:Display graph without saving using pydot显示图形而不使用 pydot 保存
【发布时间】:2011-06-03 13:48:34
【问题描述】:

我正在尝试使用 pydot 显示一个简单的图表。

我的问题是,有什么方法可以在不将其写入文件的情况下显示图形,因为目前我使用 write 函数首先绘制,然后必须使用 Image 模块来显示文件。

但是有什么方法可以直接将图形打印在屏幕上而不保存??


另外,作为一个更新,我想在同一个问题中问我观察到,虽然当我使用 Image 模块的 show 命令时图像会很快保存,但要看到图像需要相当长的时间...... . 有时我也会收到无法打开图像的错误,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并且在那里加载图像的更快方法.....

非常感谢....

【问题讨论】:

标签: python pydot


【解决方案1】:

这是一个使用 IPython 的简单解决方案:

from IPython.display import Image, display

def view_pydot(pdot):
    plt = Image(pdot.create_png())
    display(plt)

示例用法:

import networkx as nx
to_pdot = nx.drawing.nx_pydot.to_pydot
pdot = to_pdot(nx.complete_graph(5))
view_pydot(pdot)

【讨论】:

  • 这应该是公认的答案。正是我所需要的:使用控制台(例如 spyder)立即用尽可能少的行显示图表
【解决方案2】:

您可以通过调用GraphVizdotpydot 渲染图像,而无需将任何文件写入磁盘。然后只是绘制它。这可以按如下方式完成:

import io

import matplotlib.pyplot as plt
import matplotlib.image as mpimg
import networkx as nx

# create a `networkx` graph
g = nx.MultiDiGraph()
g.add_nodes_from([1,2])
g.add_edge(1, 2)

# convert from `networkx` to a `pydot` graph
pydot_graph = nx.drawing.nx_pydot.to_pydot(g)

# render the `pydot` by calling `dot`, no file saved to disk
png_str = pydot_graph.create_png(prog='dot')

# treat the DOT output as an image file
sio = io.BytesIO()
sio.write(png_str)
sio.seek(0)
img = mpimg.imread(sio)

# plot the image
imgplot = plt.imshow(img, aspect='equal')
plt.show()

这对于有向图特别有用。

另请参阅此pull request,它将此类功能直接介绍给networkx

【讨论】:

【解决方案3】:

基于this answer(如何在python中显示图像),这里有几行:

gr = ... <pydot.Dot instance> ...

import tempfile, Image
fout = tempfile.NamedTemporaryFile(suffix=".png")
gr.write(fout.name,format="png")
Image.open(fout.name).show()

Image 来自Python Imaging Library

【讨论】:

  • 截至 2019 年 3 月,Python Imaging Library 大部分被Pillow取代
【解决方案4】:

这在 Python 3 shell 中对我有用(需要 Pillow 包):

import pydot
from PIL import Image
from io import BytesIO

graph = pydot.Dot(graph_type="digraph")
node = pydot.Node("Hello pydot!")
graph.add_node(node)

Image.open(BytesIO(graph.create_png())).show()

您还可以将名为 _repr_html_ 的方法添加到具有 pydot graph 成员的对象中,以在 Jupyter 笔记本中呈现漂亮清晰的 SVG:

class MyClass:
    def __init__(self, graph):
        self.graph = graph

    def _repr_html_(self):
        return self.graph.create_svg().decode("utf-8")

【讨论】:

    【解决方案5】:

    IPython.display.SVG 方法将 SVG 嵌入到显示中,可用于显示图形而无需保存到文件。

    这里,keras.utils.model_to_dot 用于将 Keras 模型转换为点格式。

    from IPython.display import SVG
    from tensorflow import keras
    
    #Create a keras model.
    model = keras.models.Sequential()
    model.add(keras.layers.Dense(units=2, input_shape=(2,1), activation='relu'))
    model.add(keras.layers.Dense(units=1, activation='relu'))
    
    #model visualization
    SVG(keras.utils.model_to_dot(model).create(prog='dot', format='svg'))
    

    【讨论】:

      【解决方案6】:

      恐怕pydot 使用graphviz 来渲染图形。即,它运行可执行文件并加载生成的图像。

      底线 - 不,您无法避免创建文件。

      【讨论】:

      • johntex 提供了解决方案
      • 查看我的解决方案。它很简单并且避免创建文件:)
      • 虽然在技术上是正确的,但答案并没有帮助。您必须创建文件,但不必写入磁盘。查看此问题的其他答案..
      【解决方案7】:

      它也适用于AGraph Class

      https://pygraphviz.github.io/documentation/latest/reference/agraph.html#pygraphviz.AGraph.draw

      如果 path 为 None,则结果作为 Bytes 对象返回。

      所以,只需省略此参数即可返回图像数据而不将其保存到磁盘

      使用

      from networkx.drawing.nx_agraph import graphviz_layout, to_agraph
      g = nx.Graph()
      ...
      A = to_agraph(g)
      A.draw()
      

      https://networkx.org/documentation/stable/reference/drawing.html#module-networkx.drawing.nx_agraph

      为了显示保存为字节对象的结果图像:

      # create image without saving to disk
      img = A.draw(format='png')
      image = Image.open(BytesIO(img))
      image.show(title="Graph")
      

      需要

      from PIL import Image
      from io import BytesIO
      

      【讨论】:

      • 对我来说,这并没有打开一个带有图形图片的窗口......
      • 现在我扩展了我的答案并包含了一个代码 sn-p 来显示图表。 img 是生成的“字节对象”,可以显示或以其他方式处理。在这个例子中,我演示了如何在不保存到磁盘的情况下显示它
      猜你喜欢
      • 2015-05-21
      • 1970-01-01
      • 2018-04-23
      • 1970-01-01
      • 2020-07-16
      • 2017-01-26
      • 1970-01-01
      • 1970-01-01
      • 2016-08-11
      相关资源
      最近更新 更多