用 Python 绘制几张有趣的可视化图表

流程图存在于我们生活的用P有趣方方面面，对于我们追踪项目的制张进展，做出各种事情的视化决策都有着巨大的帮助，而对于万能的图表Python而言呢，绘制流程图也是用P有趣十分轻松的，今天小编就来为大家介绍两个用于绘制流程图的制张模块，我们先来看第一个。视化

SchemDraw

那么在SchemDraw模块当中呢，图表有六个元素用来代表流程图的用P有趣主要节点的，椭圆形代表的制张是决策的开始和结束，代码如下：

import schemdraw

from schemdraw.flow import

*

with schemdraw.Drawing() as d:

d += Start().label("Start")

output

箭头表示的视化是决策的走向，用来连接各个节点的图表，代码如下：

with schemdraw.Drawing() as d:

d += Arrow(w = 5).right().label("Connector")

output

平行四边形代表的用P有趣是你所要去处理和解决的源码下载问题，而长方形所代表的制张是你所要为此做出的努力或者说是过程，代码如下：

with schemdraw.Drawing() as d:

d += Data(w = 5).label("Whats the problem")

output

with schemdraw.Drawing() as d:

d += Process(w = 5).label("Processing")

output

而菱形代表的视化则是决策的具体情况，代码如下：

with schemdraw.Drawing() as d:

d += Decision(w = 5).label("Decisions")

output

我们来绘制一个简单的流程图，假如周末的时候我们想着要不要出去露营(Camping)，那既然要去露营的话，我们肯定是需要查看一下天气，看一下是否是晴天(Sunny)，如果是下雨天(Rainy)的话，就不去，按照这种逻辑，我们来绘制一下流程图，代码如下：

import schemdraw

from schemdraw.flow import

*

with schemdraw.Drawing() as d:

d+= Start().label("Start")

d+= Arrow().down(d.unit/2)

# 具体是啥问题嘞

d+= Data(w = 4).label("Go camping or not")

d+= Arrow().down(d.unit/2)

# 第一步 查看天气

d+= Box(w = 4).label("Check weather first")

d+= Arrow().down(d.unit/2)

# 是否是晴天

d+= (decision := Decision(w = 5, h= 5,

S = "True",

E = "False").label("See if its sunny"))

# 如果是高防服务器真的话

d+= Arrow().length(d.unit/2)

d+= (true := Box(w = 5).label("Sunny, go camping"))

d+= Arrow().length(d.unit/2)

# 结束

d+= (end := Ellipse().label("End"))

# 如果不是晴天的话

d+= Arrow().right(d.unit).at(decision.E)

# 那如果是下雨天的话，就不能去露营咯

d+= (false := Box(w = 5).label("Rainy, stay at home"))

# 决策的走向

d+= Arrow().down(d.unit*2.5).at(false.S)

# 决策的走向

d+= Arrow().left(d.unit*2.15)

d.save("palindrome flowchart.jpeg", dpi = 300)

output

Networkx

Networkx模块用来创建和处理复杂的图网络结构，生成多种随机网络和经典网络，分析网络结构和建立网络模型，例如在绘制人脉关系网的案例当中就可以用到networkx模块，

而例如一个公司的组织架构图，也可以用到该模块，来简单直观的绘制公司的整体架构，代码如下:

import networkx as nx

import matplotlib.pyplot as plt

import numpy as np

G = nx.DiGraph()

nodes = np.arange(0, 8).tolist()

G.add_nodes_from(nodes)

# 节点连接的信息，哪些节点的是相连接的

G.add_edges_from([(0,1), (0,2),

(1,3), (1, 4),

(2, 5), (2, 6), (2,7)])

# 节点的位置

pos = { 0:(10, 10),

1:(7.5, 7.5), 2:(12.5, 7.5),

3:(6, 6), 4:(9, 6),

5:(11, 6), 6:(14, 6), 7:(17, 6)}

# 节点的标记

labels = { 0:"CEO",

1: "Team A Lead",

2: "Team B Lead",

3: "Staff A",

4: "Staff B",

5: "Staff C",

6: "Staff D",

7: "Staff E"}

nx.draw_networkx(G, pos = pos, labels = labels, arrows = True,

node_shape = "s", node_color = "white")

plt.title("Company Structure")

plt.show()

output

看到这里，大家可能会觉得会指出来的结果有点简单，想要添加上去些许颜色，网站模板代码如下:

nx.draw_networkx(G, pos = pos, labels = labels,

bbox = dict(facecolor = "skyblue",

boxstyle = "round", ec = "silver", pad = 0.3),

edge_color = "gray"

)

plt.title("Company Structure")

plt.show()

output

很赞哦!（222）