神操作!用 Python 操作 xmind 绘制思维导图!

简介: 在平时的工作中当我们要总结一些知识的时候就需要一款工具来画画流程图,这里推荐 XMind 软件,用 Xmind 绘制的思维导图看起来思路清晰,那么今天的文章介绍关于思维导图的相关知识以及用 Python 如何操作 Xmind 绘制思维导图。

思维导图

思维导图:思维导图又叫心智导图是表达发散性思维的有效的图形思维工具,它简单却又很有效,是一种革命性的思维工具。思维导图运用图文并重的技巧,把各级主题的关系用相互隶属与相关的层级图表现出来,把主题关键词与图像、颜色等建立记忆链接。思维导图充分运用左右脑的机能,利用记忆、阅读、思维的规律,协助人们在科学与艺术、逻辑与想象之间平衡发展,从而开启人类大脑的无限潜能。思维导图因此具有人类思维的强大功能。

思维导图是一种将思维形象化的方法。简单来讲:思维导图就是能有层次感的展示我们想法的思维工具。


思维导图功能

无论是在工作还是生活中,我们都希望达成一个关键目标——提高学习、记忆和记录信息的能力。思维导图就是让人的大脑对知识有一个层次性的放射性记忆,从而得到一张清晰准确的图形。让想法可以很快而且非常深刻地生发出来,同时又能清晰地集中于中心主题。这种制作技巧能让人们最大限度地利用自己潜在的智力资源。

简单来讲,思维导图可以帮助我们思考问题解决问题,促进思维可视化,最大限度的开发我们的大脑潜能。


使用软件

画思维导图的工具有很多,这里小编推荐使用 Xmind 工具,下载官网下载后直接安装即可。

安装好以后进入 Xmind 工具操作界面,界面如下:

11.png


Xmind 操作很简单,只要思路对了,只需要常用的快捷键就可以快速操作,以下是 Xmind 操作的相关快捷键。


12.png


python3 操作 xmind 工具画思维导图

基础知识详解

首先安装 xmind 模块,安装代码如下:pip install xmind

安装成功后导入包后即可操作,具体操作函数如下:


import xmind    #加载包
w = xmind.load("test.xmind") # 加载,如果不存在,创建新的工作布
s1=w.getPrimarySheet() # 得到第一页
s1.setTitle("first sheet") # 给第一页命名
r1=s1.getRootTopic() # 创建根节点
r1.setTitle("根") # 给根节点命名
r2=r1.addSubTopic()#创建二级节点
r2.setTitle("枝叶")#命名
xmind.save("test2.xmind") ##保存文件


画思维导图实例

以下就是 Python 操作 Xmind 绘制脑图整体实例,详细操作如下:

import xmind
w = xmind.load("test.xmind")
s1 = w.getPrimarySheet()  # 获取此工作表
s1.setTitle("first sheet")  # 设置标题
a = {"h1": 'Python 技术学习', 'h2': ['Python基础', 'Python 爬虫'],
     'h3': [['Python环境安装', 'Python基础语法', 'Python数据结构'], ['Python爬虫基础知识详解', 'Python爬虫相关模块详解']]}
r1 = s1.getRootTopic()  # 获取此工作表的根主题
r1.setTitle(a['h1'])  # 设置标题
c = a['h2']
c2 = a['h3']
for i, val in enumerate(c):
    print(i, val)
    a = 'b' + str(i)
    a = r1.addSubTopic()
    a.setTitle(val)  # 设置标题
    for i2, val2 in enumerate(c2):
        if i == i2:
            a2 = 'b2' + str(i)
            a2 = a.addSubTopic()
            #        if isinstance(val, list):
            for i3, val3 in enumerate(val2):
                a3 = 'b3' + str(i3)
                a3 = a2.addSubTopic()
                a3.setTitle(val3)
xmind.save(w, "Python_detail.xmind")


绘制的脑图显示如下:


13.png


总结

脑图是一个很好的学习和工作工具,它在我们的日常工作中起了很重要的作用,感兴趣的朋友可以试试。

目录
相关文章
|
11天前
|
Python
如何使用Python的Pandas库进行数据透视图(melt/cast)操作?
Pandas的`melt()`和`pivot()`函数用于数据透视。基本步骤:导入pandas,创建DataFrame,然后使用这两个函数变换数据。示例代码:导入pandas,定义一个包含'Name'和'Age'列的DataFrame,使用`melt()`转为长格式,再用`pivot()`恢复为宽格式。
21 1
|
24天前
|
SQL 关系型数据库 MySQL
python操作mysql
python操作mysql
|
26天前
|
人工智能 机器人 C++
【C++/Python】Windows用Swig实现C++调用Python(史上最简单详细,80岁看了都会操作)
【C++/Python】Windows用Swig实现C++调用Python(史上最简单详细,80岁看了都会操作)
|
1月前
|
人工智能 机器人 Serverless
【Python】Pandas的一系列经典操作(非常实用)
【Python】Pandas的一系列经典操作(非常实用)
|
4天前
|
SQL 关系型数据库 MySQL
使用Python的pymysql库连接MySQL,执行CRUD操作
使用Python的pymysql库连接MySQL,执行CRUD操作:安装pymysql,然后连接(host='localhost',user='root',password='yourpassword',database='yourdatabase'),创建游标。查询数据示例:`SELECT * FROM yourtable`;插入数据:`INSERT INTO yourtable...`;更新数据:`UPDATE yourtable SET...`;删除数据:`DELETE FROM yourtable WHERE...`。
10 0
|
5天前
|
分布式计算 DataWorks 关系型数据库
MaxCompute产品使用合集之我需要在MaxCompute客户端添加Python第三方包,我该怎么操作
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
|
5天前
|
SQL 关系型数据库 MySQL
Python操作mysql数据库
Python操作mysql数据库
|
7天前
|
弹性计算 Serverless 应用服务中间件
Serverless 应用引擎操作报错合集之阿里函数计算中出现'python app.py'的错误如何解决
Serverless 应用引擎(SAE)是阿里云提供的Serverless PaaS平台,支持Spring Cloud、Dubbo、HSF等主流微服务框架,简化应用的部署、运维和弹性伸缩。在使用SAE过程中,可能会遇到各种操作报错。以下是一些常见的报错情况及其可能的原因和解决方法。
16 3
|
8天前
|
存储 人工智能 索引
Python中的嵌套字典访问与操作详解
Python中的嵌套字典访问与操作详解
16 1
|
10天前
|
关系型数据库 MySQL 数据库
Python从入门到精通:2.3.1数据库操作与网络编程:使用Python连接和操作数据库
Python从入门到精通:2.3.1数据库操作与网络编程:使用Python连接和操作数据库