基于Python的Networkx MultiDiGraph流程类可视化方案问询

核心方案 #

用NetworkX结合Matplotlib实现，通过固定布局种子保证可视化一致性，自定义节点样式模拟UML活动图，处理多重边与回环，无需精准对齐但满足对比分析需求。

实现代码 #

import networkx as nx
import matplotlib.pyplot as plt

# 替换为你的MultiDiGraph节点/边数据
G = nx.MultiDiGraph()
G.add_nodes_from(["活动A", "活动B", "活动C", "活动D"])
G.add_edges_from([
    ("活动A", "活动B"),
    ("活动A", "活动C"),
    ("活动B", "活动C"),
    ("活动C", "活动B"),  # 回环边
    ("活动C", "活动D"),
    ("活动B", "活动D"),  # 多重边
])

# 固定布局：优先用dot布局（层次化，符合活动图流程方向），需依赖Graphviz
# 安装依赖：系统层面装Graphviz + pip install pygraphviz
pos = nx.nx_agraph.graphviz_layout(G, prog='dot', args='-Grankdir=LR', seed=42)

# 无Graphviz时，改用spring_layout并固定seed，保证布局一致
# pos = nx.spring_layout(G, seed=42, k=0.8)

# 绘制节点：方形+白填充黑边框，模拟UML活动节点样式
nx.draw_networkx_nodes(
    G, pos,
    node_shape='s', node_size=3500,
    node_color='white', edgecolors='black', linewidths=2
)

# 绘制边：用弧度区分多重边，回环自动适配显示
nx.draw_networkx_edges(
    G, pos,
    connectionstyle="arc3,rad=0.15",
    arrowsize=20, edge_color='black'
)

# 添加节点标签
nx.draw_networkx_labels(G, pos, font_size=12, font_weight='bold')

# 可选：添加边标签（若需展示边属性）
# edge_labels = {(u, v, k): f"边{k+1}" for u, v, k in G.edges(keys=True)}
# nx.draw_networkx_edge_labels(G, pos, edge_labels=edge_labels, font_size=10)

# 优化显示
plt.axis('off')
plt.tight_layout()

# 保存或展示
plt.savefig("流程对比图.png", dpi=150, bbox_inches='tight')
plt.show()

关键细节说明 #

• 布局一致性：所有布局算法指定seed参数，确保每次运行生成完全相同的节点位置，满足不同流程版本的对比需求。
• UML活动图样式：用方形节点（node_shape='s'）、白色填充黑色边框，匹配活动图中"活动"元素的视觉特征。
• 多重边与回环处理：通过connectionstyle设置边的弧度，避免多重边重叠；回环边会自动绘制在节点周围，无需额外配置。
• 无Graphviz替代方案：若无法安装Graphviz，改用spring_layout并固定seed，虽为力导向布局，但一致性不受影响，仍可用于对比。

内容的提问来源于stack exchange，提问作者mrb