要在 Python 中**用图片展示 DAG 图（有向无环图）**，最常用、最灵活、生产就绪的方案是： ✅ **使用 `graphviz` + `networkx`（推荐组合）** → 自动布局（如 `dot` 引擎）、支持中文、可导出 PNG/SVG/PDF、代码简洁、适合任务依赖图可视化。 > ⚠️ 注意：`graphviz` 是底层绘图引擎（需系统安装），`python-graphviz` 是其 Python 绑定；`networkx` 负责图结构建模与算法（如拓扑序、连通性），二者协同极佳。 --- ### ✅ 一步到位：将 `TaskGraph` 导出为美观 DAG 图片（含中文、层级、颜色区分） #### ▶️ 第一步：安装依赖（终端执行） ```bash # 1. 安装 Graphviz 引擎（系统级，必须！） # macOS: brew install graphviz # Ubuntu/Debian: sudo apt-get install graphviz # Windows: 下载安装包 https://graphviz.org/download/ → 勾选 "Add Graphviz to PATH" # 2. 安装 Python 包 pip install graphviz networkx matplotlib ``` #### ▶️ 第二步：在 `TaskGraph` 类中添加 `to_image()` 方法（直接生成 PNG） ```python # ✅ 在 TaskGraph 类末尾（或单独定义）添加以下方法： import networkx as nx from graphviz import Digraph def to_image( self, filename: str = "task_dag", format: str = "png", engine: str = "dot", show: bool = True, fontname: str = "Microsoft YaHei" # 中文友好字体（Windows/macOS/Linux 常见） ) -> Digraph: """ Generate and save a visual DAG image of the task graph. Args: filename: output filename (without extension) format: output format ('png', 'svg', 'pdf', etc.) engine: layout engine ('dot' for hierarchical, 'neato' for spring, etc.) show: whether to display the image (requires PIL or IPython) fontname: font for labels (set to None for default) Returns: graphviz.Digraph object (for further customization) """ if not self._tasks: raise ValueError("No tasks added yet") # Step 1: Build NetworkX DiGraph G = nx.DiGraph() for tid in self._tasks: t = self._tasks[tid] label = f"{t.id}: {t.name}" # Add node with level-based color & shape level = self.levels().get(tid, 0) color = ["#a8e6cf", "#ffd3b6", "#ffaaa5", "#dcedc1", "#bbdefb"][level % 5] shape = "ellipse" if self._in_degree[tid] == 0 else ("doublecircle" if len(self._graph[tid]) == 0 else "box") G.add_node(tid, label=label, style="filled", fillcolor=color, shape=shape, fontname=fontname) # Step 2: Add edges for u in self._graph: for v in self._graph[u]: G.add_edge(u, v, fontname=fontname) # Step 3: Convert to graphviz.Digraph dot = Digraph(name="Task DAG", engine=engine, format=format) dot.attr(rankdir="TB", splines="ortho", nodesep="1.0", ranksep="1.0") # top-to-bottom, clean edges if fontname: dot.attr(fontname=fontname) # Add nodes and edges for node in G.nodes(data=True): nid, attrs = node[0], node[1] dot.node(str(nid), **attrs) for edge in G.edges(data=True): u, v, attrs = edge[0], edge[1], edge[2] dot.edge(str(u), str(v), **attrs) # Save dot.render(filename, cleanup=True, view=False) print(f"✅ DAG image saved as '{filename}.{format}'") if show: try: # Try IPython/Jupyter display from IPython.display import display, Image display(Image(filename=f"{filename}.{format}")) except ImportError: try: # Fallback: open with system viewer import os os.system(f"open {filename}.{format}" if os.name == "posix" else f"start {filename}.{format}") except Exception as e: print(f"⚠️ Could not auto-open image: {e}") return dot # ✅ 将此方法绑定到 TaskGraph 类（Python 动态绑定，或直接写进类定义） TaskGraph.to_image = to_image ``` #### ▶️ 第三步：调用示例（完整可运行） ```python if __name__ == "__main__": tasks = [ Task(id=1, name="数据清洗"), Task(id=2, name="特征工程", dependencies=[1]), Task(id=3, name="模型训练", dependencies=[2]), Task(id=4, name="模型评估", dependencies=[3]), Task(id=5, name="报告生成", dependencies=[3, 4]), # 多依赖！ Task(id=6, name="监控部署", dependencies=[4]), ] g = TaskGraph() g.add_tasks(tasks) # 🖼️ 一键生成图片！ g.to_image( filename="my_task_dag", format="png", show=True, fontname="SimSun" if os.name == "nt" else "Hiragino Sans GB" # Windows 用宋体，macOS 用黑体 ) ``` --- ### ✅ 输出效果说明（你将看到）： | 元素 | 表现 | 说明 | |------|------|------| | **节点** | 圆角矩形（`box`），带 ID 和名称（如 `1: 数据清洗`） | 源节点（入度=0）绿色，中间节点橙色，汇点（出度=0）红色，层级自动着色 | | **边** | 从上到下正交箭头（`splines=ortho`） | 清晰反映执行流向（A → B → C） | | **布局** | `rankdir="TB"`（Top-Bottom）+ `dot` 引擎 | 自动按层级分组（Level 0 在顶行，Level 1 在第二行…） | | **多依赖** | `报告生成` 同时连接 `模型训练` 和 `模型评估` | 叉状入边，一目了然 | > 💡 提示：生成的 `my_task_dag.png` 可直接插入文档、PPT 或 Wiki；`.svg` 格式支持无损缩放。 --- ### 🔧 进阶技巧（可选增强） | 需求 | 实现方式 | |------|----------| | **高亮关键路径（最长路径）** | 先用 `nx.dag_longest_path(G)` 获取节点序列，再对这些边设 `color="red", penwidth="3.0"` | | **显示 level 数字在节点内** | 修改 `label` 为 `f"{t.id}: {t.name}\\n(level {level})"` | | **导出为交互式 HTML（支持缩放/搜索）** | 用 `pyvis` 替代 `graphviz`（适合大图，但布局不如 dot 精准） | | **嵌入 Jupyter Notebook 实时渲染** | `dot.pipe(format='png')` + `IPython.display.Image(data=...)` | --- ### ❌ 常见问题排查 | 现象 | 解决方案 | |------|-----------| | `ExecutableNotFound: failed to execute ['dot']` | 未安装 Graphviz 或未加入 PATH → 运行 `dot -V` 测试；Windows 用户重启终端 | | 中文乱码（方块□） | 换字体：`fontname="SimHei"`（Win）、`"STHeiti"`（macOS）、`"Noto Sans CJK SC"`（Linux）；或 [下载中文字体](https://github.com/lutzroeder/netron/blob/master/fonts/SourceHanSansSC.zip) 并指定路径 | | 图片不显示（`show=True` 失败） | 改为 `show=False`，手动打开生成的 `.png` 文件；或在 Jupyter 中确保已启用 `IPython` | ---