针对Python代码的可视化需求，我将从代码结构可视化、执行流程可视化、数据可视化以及专用可视化工具四个维度，结合具体案例进行详细阐述。Python拥有丰富的库和工具，能够将代码的逻辑、数据流转和运行状态以图形化方式直观呈现，这对于代码理解、调试和教学至关重要 [ref_2][ref_4][ref_5]。 ### 1. 代码结构与依赖关系可视化 这类可视化帮助开发者理解项目的模块组成和类之间的交互关系。 **a. 使用 `pylint` 或 `pyreverse` 生成UML类图** `pyreverse` 是 `pylint` 套件中的工具，可以自动分析代码并生成UML类图（`.dot` 格式），再通过 `graphviz` 转换为图片。 ```python # 首先确保安装 graphviz 和 pylint # pip install pylint graphviz # 在命令行中对你的无人机管理系统代码文件（假设为 drone_system.py）执行： # pyreverse -o png -p DroneSystem drone_system.py # 上述命令会生成 packages_DroneSystem.png 和 classes_DroneSystem.png # classes_DroneSystem.png 即为类关系图 ``` **b. 使用 `code2flow` 生成函数调用图** `code2flow` 可以生成Python代码的函数调用流程图，清晰展示执行路径。 ```bash # 安装并运行 # pip install code2flow # code2flow drone_system.py --output call_graph.png ``` ### 2. 执行流程与算法逻辑可视化 对于包含复杂逻辑（如调度算法）的代码，可以通过图形化步骤来演示其运行过程。 **a. 使用 `matplotlib` 动画模拟无人机调度** 以下代码扩展了之前的无人机管理系统，使用 `matplotlib.animation` 实时可视化无人机的移动和事件处理过程 [ref_2]。 ```python import matplotlib.pyplot as plt import matplotlib.animation as animation from matplotlib.patches import Circle, Rectangle import numpy as np class DroneSystemVisualizer: """无人机系统可视化器""" def __init__(self, system): self.system = system self.fig, self.ax = plt.subplots(figsize=(12, 8)) self.setup_plot() def setup_plot(self): """设置绘图区域""" self.ax.set_xlim(-10, 200) self.ax.set_ylim(-10, 200) self.ax.set_title('无人机管理系统实时可视化', fontsize=14, fontweight='bold') self.ax.set_xlabel('X坐标 (km)') self.ax.set_ylabel('Y坐标 (km)') self.ax.grid(True, alpha=0.3) # 绘制基地 base = Rectangle((-5, -5), 10, 10, color='gray', alpha=0.5, label='基地') self.ax.add_patch(base) self.ax.text(0, -8, '基地', ha='center', va='top') # 图例元素占位 self.drone_scatter = self.ax.scatter([], [], c='blue', s=100, marker='^', label='无人机', edgecolors='black') self.event_scatter = self.ax.scatter([], [], c='red', s=200, marker='*', label='应急事件', edgecolors='black') self.route_line, = self.ax.plot([], [], 'g--', alpha=0.5, label='巡检路线') self.ax.legend(loc='upper right') # 状态文本 self.status_text = self.ax.text(0.02, 0.98, '', transform=self.ax.transAxes, verticalalignment='top', bbox=dict(boxstyle='round', facecolor='wheat', alpha=0.8)) def get_visualization_data(self): """获取当前系统的可视化数据""" drone_positions = [(d.position.x, d.position.y) for d in self.system.drones] drone_colors = [] for d in self.system.drones: if d.status.value == "空闲": drone_colors.append('green') elif d.status.value == "执行任务中": drone_colors.append('orange') elif d.status.value == "充电中": drone_colors.append('red') else: drone_colors.append('gray') active_events = [e for e in self.system.active_events if not e.resolved] event_positions = [(e.location.x, e.location.y) for e in active_events] event_colors = [] for e in active_events: if e.event_type.value == "火情": event_colors.append('red') else: event_colors.append('purple') # 巡检路线数据 route_x, route_y = [], [] for route in self.system.patrol_routes.values(): for checkpoint in route.checkpoints: route_x.append(checkpoint.x) route_y.append(checkpoint.y) return (drone_positions, drone_colors, event_positions, event_colors, route_x, route_y) def update_plot(self, frame): """更新动画帧""" drone_pos, drone_colors, event_pos, event_colors, route_x, route_y = \ self.get_visualization_data() # 更新无人机位置和颜色 if drone_pos: drone_x, drone_y = zip(*drone_pos) self.drone_scatter.set_offsets(np.c_[drone_x, drone_y]) self.drone_scatter.set_color(drone_colors) # 更新事件位置 if event_pos: event_x, event_y = zip(*event_pos) self.event_scatter.set_offsets(np.c_[event_x, event_y]) self.event_scatter.set_color(event_colors) else: self.event_scatter.set_offsets(np.empty((0, 2))) # 更新巡检路线 self.route_line.set_data(route_x, route_y) # 更新状态文本 status_info = f"帧数: {frame}\n" status_info += f"无人机数量: {len(self.system.drones)}\n" status_info += f"活跃事件: {len([e for e in self.system.active_events if not e.resolved])}\n" status_info += f"发现隐患: {len(self.system.hazard_log)}" self.status_text.set_text(status_info) return [self.drone_scatter, self.event_scatter, self.route_line, self.status_text] def animate(self, frames=100, interval=500): """运行动画""" anim = animation.FuncAnimation(self.fig, self.update_plot, frames=frames, interval=interval, blit=False, repeat=True) plt.tight_layout() plt.show() return anim # 集成到主系统中的使用示例 def main_with_visualization(): system = DroneManagementSystem() # 初始化无人机（同前） drones_data = [("DR001", Position(10, 20), 80, 1), ("DR002", Position(30, 40), 95, 2), ("DR003", Position(50, 10), 60, 1)] for drone_id, pos, battery, priority in drones_data: system.add_drone(Drone(id=drone_id, position=pos, battery=battery, priority_level=priority)) # 创建可视化器 visualizer = DroneSystemVisualizer(system) # 创建巡检路线 patrol_checkpoints = [(20, 30), (40, 50), (60, 40), (80, 30), (100, 20)] system.create_patrol_route("ROUTE_001", patrol_checkpoints) # 触发一些事件（为了演示） fire_event = system.trigger_emergency_event(EventType.FIRE, Position(100, 150), 7, 5.0) rescue_event = system.trigger_emergency_event(EventType.RESCUE, Position(80, 120), 9, 3.0) # 运行动画 print("启动可视化动画...") anim = visualizer.animate(frames=50, interval=1000) # 保存动画为GIF（可选） # anim.save('drone_system_simulation.gif', writer='pillow', fps=2) return system, anim if __name__ == "__main__": main_with_visualization() ``` ### 3. 数据与状态监控可视化 对于系统运行时的数据（如电量、载重变化），可以使用实时图表进行监控 [ref_4]。 **a. 使用 `Plotly` 创建交互式仪表盘** `Plotly Dash` 或 `Streamlit` 可以构建交互式Web应用来监控无人机状态 [ref_4]。 ```python import plotly.graph_objects as go from plotly.subplots import make_subplots import pandas as pd from datetime import datetime, timedelta def create_drone_monitoring_dashboard(system, history_data=None): """创建无人机监控仪表盘""" if history_data is None: # 模拟历史数据 times = [datetime.now() - timedelta(minutes=i) for i in range(30, -1, -1)] history_data = { '时间': times, 'DR001_电量': [min(100, 80 + i*0.5) for i in range(31)], 'DR002_电量': [min(100, 95 - i*0.8) for i in range(31)], 'DR003_电量': [min(100, 60 + i*1.2) for i in range(31)], '活跃事件数': [0]*15 + [1]*8 + [2]*8 } df = pd.DataFrame(history_data) # 创建子图 fig = make_subplots( rows=2, cols=2, subplot_titles=('无人机电量趋势', '无人机实时状态', '事件统计', '系统负载'), specs=[[{'type': 'scatter'}, {'type': 'bar'}], [{'type': 'pie'}, {'type': 'indicator'}]] ) # 1. 电量趋势图 for drone in ['DR001', 'DR002', 'DR003']: fig.add_trace( go.Scatter(x=df['时间'], y=df[f'{drone}_电量'], mode='lines+markers', name=f'{drone}电量'), row=1, col=1 ) # 2. 实时状态条形图 drone_status = ['空闲', '执行任务中', '充电中'] status_counts = [1, 1, 1] # 示例数据 fig.add_trace( go.Bar(x=drone_status, y=status_counts, marker_color=['green', 'orange', 'red']), row=1, col=2 ) # 3. 事件统计饼图 event_types = ['火情', '急救', '巡检'] event_counts = [2, 1, 3] # 示例数据 fig.add_trace( go.Pie(labels=event_types, values=event_counts, hole=0.3), row=2, col=1 ) # 4. 系统负载指示器 fig.add_trace( go.Indicator( mode="gauge+number", value=65, title={'text': "系统负载率"}, domain={'row': 1, 'col': 1}, gauge={'axis': {'range': [0, 100]}, 'bar': {'color': "blue"}, 'steps': [ {'range': [0, 50], 'color': "lightgray"}, {'range': [50, 80], 'color': "gray"}, {'range': [80, 100], 'color': "darkgray"}], 'threshold': {'line': {'color': "red", 'width': 4}, 'thickness': 0.75, 'value': 90}}), row=2, col=2 ) fig.update_layout(height=800, showlegend=True, title_text="无人机管理系统监控仪表盘") fig.show() # 使用示例 # create_drone_monitoring_dashboard(system) ``` ### 4. 专用代码可视化工具与库 除了通用绘图库，还有一些专门用于代码分析和可视化的工具 [ref_5][ref_6]。 | 工具名称 | 主要用途 | 特点 | 适用场景 | |---------|---------|------|---------| | **PyCallGraph** | 函数调用图生成 | 生成PNG图像展示函数调用关系 | 性能分析、代码理解 | | **SnakeViz** | 性能剖析可视化 | 将cProfile输出转换为交互式火焰图 | 性能优化、瓶颈定位 | | **VizTracer** | 执行轨迹追踪 | 记录函数调用、参数、返回值并可视化 | 调试、代码流程分析 | | **Code2Flow** | 代码流程图生成 | 从代码生成流程图，支持多种语言 | 文档生成、教学 | | **Pyan3** | 静态分析图生成 | 生成调用图、继承图 | 大型项目分析 | **安装与使用示例（PyCallGraph）：** ```bash # 安装 pip install pycallgraph # 使用（在代码中添加） from pycallgraph import PyCallGraph from pycallgraph.output import GraphvizOutput with PyCallGraph(output=GraphvizOutput(output_file='call_graph.png')): # 运行你的无人机管理系统 main() ``` ### 5. 三维可视化（高级） 对于有空间位置信息的系统（如无人机），可以使用 `plotly` 或 `mayavi` 进行3D可视化。 ```python import plotly.graph_objects as go def plot_3d_drone_trajectory(system): """绘制无人机三维轨迹""" fig = go.Figure() # 为每台无人机绘制轨迹 colors = ['blue', 'green', 'red'] for idx, drone in enumerate(system.drones): # 模拟轨迹数据（实际中需要记录历史位置） import numpy as np t = np.linspace(0, 10, 100) x = drone.position.x + 10 * np.sin(t) y = drone.position.y + 10 * np.cos(t) z = 50 + 20 * np.sin(t + idx) # 高度变化 fig.add_trace(go.Scatter3d( x=x, y=y, z=z, mode='lines+markers', name=f'{drone.id}轨迹', line=dict(color=colors[idx % len(colors)], width=4), marker=dict(size=4) )) # 添加事件点 event_x = [e.location.x for e in system.active_events if not e.resolved] event_y = [e.location.y for e in system.active_events if not e.resolved] event_z = [50] * len(event_x) # 固定高度 if event_x: fig.add_trace(go.Scatter3d( x=event_x, y=event_y, z=event_z, mode='markers', name='应急事件', marker=dict(size=10, color='red', symbol='diamond') )) fig.update_layout( title='无人机三维飞行轨迹', scene=dict( xaxis_title='X坐标', yaxis_title='Y坐标', zaxis_title='高度', camera=dict(eye=dict(x=1.5, y=1.5, z=1.5)) ), height=700 ) fig.show() ``` ### 总结与建议 根据无人机管理系统的特点，推荐采用以下可视化方案组合： 1. **开发调试阶段**：使用 `PyCallGraph` 或 `VizTracer` 分析代码执行路径和性能瓶颈 [ref_5]。 2. **运行监控阶段**：使用 `Plotly Dash` 或 `Streamlit` 构建实时监控仪表盘，展示电量、位置、任务状态等关键指标 [ref_4]。 3. **演示教学阶段**：使用 `matplotlib.animation` 创建2D/3D动画，直观展示无人机移动、事件处理和调度逻辑 [ref_2]。 4. **架构理解阶段**：使用 `pyreverse` 生成UML类图，帮助理解系统模块间的关系 [ref_1]。 对于您的无人机管理系统，特别建议将调度算法的决策过程可视化。例如，在 `DroneScheduler.select_drone_for_event` 方法中添加可视化逻辑，展示各无人机的评分计算过程，这有助于理解和优化调度策略。同时，所有可视化组件应设计为可配置和可扩展的，以便适应系统未来的功能增加和规模扩大 [ref_3][ref_6]。