嘿，这个机柜拓扑可视化的需求其实很好实现，咱们从核心思路到具体代码一步步拆解，保证你能快速落地：

核心实现思路 #

要完成符号化拓扑展示，核心是三步：

• 数据转换：把「机柜-线缆」的映射，转成「机柜间连接+共享线缆标签」的边数据——毕竟两个机柜共享线缆就代表存在连接，这是拓扑图的核心逻辑。
• 图结构构建：用图论工具把机柜作为节点、转换后的连接作为带属性的边，构建出完整的网络结构。
• 可视化渲染：用绘图库把图渲染出来，节点显示机柜名，边标注对应的线缆编号。

推荐工具栈 #

针对你的数据规模（20个机柜、140条线缆），Python的组合工具完全够用：

• networkx：专业的图结构处理库，快速构建节点和边的关系。
• matplotlib：生成静态拓扑图，适合导出报告或快速预览。
• pyvis：生成交互式网页拓扑图，支持拖拽、缩放，方便查看细节。

静态可视化代码示例（networkx + matplotlib） #

先给你一个可直接运行的静态图实现，注释已经写得很清楚：

import networkx as nx
import matplotlib.pyplot as plt

# 你的原始机柜-线缆数据
racks = {
    "Rack_01": [1, 2, 3],
    "Rack_02": [3, 4, 5],
    "Rack_03": [1, 2, 4, 5],
}

### 第一步：预处理数据，生成机柜间的连接及共享线缆
# 先反向构建「线缆-机柜」的映射
cable_to_racks = {}
for rack_name, cable_list in racks.items():
    for cable_id in cable_list:
        if cable_id not in cable_to_racks:
            cable_to_racks[cable_id] = []
        cable_to_racks[cable_id].append(rack_name)

# 生成边数据：键是排序后的机柜对（避免重复边），值是共享的线缆列表
edge_data = {}
for cable_id, connected_racks in cable_to_racks.items():
    # 通常线缆是点对点连接，取前两个机柜即可；如果是多机柜共享线缆，可生成全两两组合
    if len(connected_racks) >= 2:
        sorted_rack_pair = tuple(sorted(connected_racks[:2]))
        if sorted_rack_pair not in edge_data:
            edge_data[sorted_rack_pair] = []
        edge_data[sorted_rack_pair].append(str(cable_id))

### 第二步：构建图结构
topology_graph = nx.Graph()
# 添加所有机柜节点
topology_graph.add_nodes_from(racks.keys())
# 添加带线缆标签的边
for (rack_a, rack_b), cable_labels in edge_data.items():
    topology_graph.add_edge(rack_a, rack_b, label=", ".join(cable_labels))

### 第三步：渲染可视化
plt.figure(figsize=(10, 7))
# 用弹簧布局（spring_layout）自动分配节点位置，seed固定布局方便重复查看
node_positions = nx.spring_layout(topology_graph, seed=42)

# 绘制节点（绿色、大尺寸）
nx.draw_networkx_nodes(topology_graph, node_positions, node_size=3000, node_color="#4CAF50")
# 绘制机柜名称标签
nx.draw_networkx_labels(topology_graph, node_positions, font_size=12, font_weight="bold")
# 绘制连接边（蓝色、粗线）
nx.draw_networkx_edges(topology_graph, node_positions, width=2, edge_color="#2196F3")
# 绘制线缆标签
edge_labels = nx.get_edge_attributes(topology_graph, "label")
nx.draw_networkx_edge_labels(topology_graph, node_positions, edge_labels=edge_labels, font_size=10, label_pos=0.3)

plt.title("机柜网络拓扑图", fontsize=14)
plt.axis("off")  # 隐藏坐标轴
plt.tight_layout()
plt.show()

交互式可视化代码示例（pyvis） #

如果需要更灵活的交互（比如拖拽节点、放大缩小查看细节），用pyvis生成网页版拓扑图更合适：

from pyvis.network import Network

# 复用前面预处理好的edge_data和原始racks数据
interactive_net = Network(notebook=False, height="750px", width="100%", bgcolor="#222222", font_color="white")

# 添加机柜节点
for rack_name in racks.keys():
    interactive_net.add_node(rack_name, label=rack_name, color="#4CAF50", size=20)

# 添加带线缆标签的边
for (rack_a, rack_b), cable_labels in edge_data.items():
    interactive_net.add_edge(rack_a, rack_b, label=", ".join(cable_labels), color="#2196F3", width=2)

# 生成交互式网页，直接打开就能用
interactive_net.show("rack_topology.html")

注意事项 #

• 多条线缆连接同一对机柜时，代码会自动合并线缆编号为一个标签（比如1, 2），清晰展示所有共享线缆。
• 布局方式可以自定义：比如换成圆形布局nx.circular_layout()、随机布局nx.random_layout()，根据你的需求调整即可。
• 针对140条线缆的规模，这两个方案都能轻松处理，不会有性能问题。

内容的提问来源于stack exchange，提问作者inobrevi