python如何绘制树

Python绘制树的方式有多种，可以使用图形库matplotlib、graphviz等工具来实现。通过使用这些工具，可以轻松绘制出树状结构、灵活自定义树的样式、多样的可视化效果。其中，matplotlib是一个非常流行的绘图库，适用于生成静态、交互式、动画图形；graphviz则是一个专门用于创建图形的工具，尤其擅长绘制复杂的有向图和无向图。下面我们将详细介绍如何在Python中使用这些工具绘制树。

一、MATPLOTLIB绘制树

Matplotlib是Python中最常用的绘图库之一，适用于各种图形绘制。虽然它不是专门为树结构设计的，但通过一些技巧，我们可以使用它来绘制简单的树。

基本概念和准备工作

在使用matplotlib绘制树之前，首先需要了解树的数据结构。在Python中，树通常可以用嵌套的列表或字典来表示。每个节点可以是一个字典，包含节点的名称以及其子节点的列表。

tree_data = {
    'Root': {
        'Left': {},
        'Right': {
            'Right-Left': {},
            'Right-Right': {}
        }
    }
}

在安装matplotlib库后，我们就可以开始绘制树了。

绘制树的实现

为了绘制树，我们需要定义一个递归函数，遍历树的每个节点，并使用matplotlib的绘图函数来绘制节点和边。

import matplotlib.pyplot as plt
def plot_node(node_txt, center_pt, parent_pt, node_type):
    plt.annotate(node_txt, xy=parent_pt, xycoords='axes fraction',
                 xytext=center_pt, textcoords='axes fraction',
                 va="center", ha="center", bbox=node_type, arrowprops=dict(arrowstyle="<-"))
def plot_tree(my_tree, parent_pt, node_txt):
    num_leafs = get_num_leafs(my_tree)
    depth = get_tree_depth(my_tree)
    first_str = list(my_tree.keys())[0]
    cntr_pt = (plot_tree.x_off + (1.0 + float(num_leafs)) / 2.0 / plot_tree.total_w, plot_tree.y_off)
    plot_node(first_str, cntr_pt, parent_pt, decision_node)
    second_dict = my_tree[first_str]
    plot_tree.y_off = plot_tree.y_off - 1.0 / plot_tree.total_d
    for key in second_dict.keys():
        if type(second_dict[key]).__name__ == 'dict':
            plot_tree(second_dict[key], cntr_pt, str(key))
        else:
            plot_tree.x_off = plot_tree.x_off + 1.0 / plot_tree.total_w
            plot_node(second_dict[key], (plot_tree.x_off, plot_tree.y_off), cntr_pt, leaf_node)
            plot_mid_text((plot_tree.x_off, plot_tree.y_off), cntr_pt, str(key))
    plot_tree.y_off = plot_tree.y_off + 1.0 / plot_tree.total_d
def create_plot(in_tree):
    fig = plt.figure(1, facecolor='white')
    fig.clf()
    axprops = dict(xticks=[], yticks=[])
    create_plot.ax1 = plt.subplot(111, frameon=False, axprops)
    plot_tree.total_w = float(get_num_leafs(in_tree))
    plot_tree.total_d = float(get_tree_depth(in_tree))
    plot_tree.x_off = -0.5 / plot_tree.total_w
    plot_tree.y_off = 1.0
    plot_tree(in_tree, (0.5, 1.0), '')
    plt.show()
定义节点格式
decision_node = dict(boxstyle="sawtooth", fc="0.8")
leaf_node = dict(boxstyle="round4", fc="0.8")
create_plot(tree_data)

优化树的样式

通过调整节点的样式和颜色，可以使树的外观更加美观。使用matplotlib的各种参数可以自定义节点的形状、颜色、箭头样式等。

decision_node = dict(boxstyle="sawtooth", fc="0.8", edgecolor='black')
leaf_node = dict(boxstyle="round4", fc="0.8", edgecolor='blue')

二、GRAPHVIZ绘制树

Graphviz是一个更适合用于绘制树和图形的工具。它可以轻松生成高质量的图形，并且支持多种输出格式。

安装和基本使用

首先，需要安装graphviz和相应的Python接口。可以通过pip安装：

pip install graphviz

安装完成后，可以使用graphviz来绘制树。

定义和绘制树

Graphviz使用DOT语言来定义图形。我们可以通过Python接口来生成DOT文件，然后渲染成图形。

from graphviz import Digraph
def draw_tree(tree, graph=None, parent_name=None):
    if graph is None:
        graph = Digraph()
    for name, subtree in tree.items():
        graph.node(name)
        if parent_name is not None:
            graph.edge(parent_name, name)
        draw_tree(subtree, graph, name)
    return graph
tree_data = {
    'Root': {
        'Left': {},
        'Right': {
            'Right-Left': {},
            'Right-Right': {}
        }
    }
}
graph = draw_tree(tree_data)
graph.render('tree', format='png', cleanup=True)

定制图的样式

Graphviz提供了丰富的样式选项，可以定制节点和边的样式。

graph.node(name, shape='box', style='filled', color='lightblue')
graph.edge(parent_name, name, color='red', style='dashed')

三、其他工具和方法

除了matplotlib和graphviz，还有其他方法可以在Python中绘制树。例如，使用第三方库如networkx可以更方便地处理复杂的图形结构。或者通过开发GUI应用程序来实现动态的树可视化。

NetworkX库

NetworkX是一个用于创建、操作和研究复杂网络结构的Python库。它可以与matplotlib结合使用，绘制出复杂的图形和网络。

import matplotlib.pyplot as plt
import networkx as nx
G = nx.DiGraph()
tree_data = {
    'Root': ['Left', 'Right'],
    'Right': ['Right-Left', 'Right-Right']
}
for parent, children in tree_data.items():
    for child in children:
        G.add_edge(parent, child)
pos = nx.spring_layout(G)
nx.draw(G, pos, with_labels=True, node_size=2000, node_color='lightblue', font_size=10, font_weight='bold')
plt.show()