matplotlib中文显示异常,变为小方框(本人亲测完美)

简介: matplotlib中文显示异常,变为小方框(本人亲测完美)

症状:

20201106141801487.png


废话不多说:开始解决

打开路径------你自己的

import matplotlib
print(matplotlib.matplotlib_fname())

20201106141932166.png


去掉红框前面的#号,第二个红框后添加SimHei

20201106142224779.png


font.family      : sans-serif
font.sans-serif       : SimHei, DejaVu Serif………………


解决负号异常

20201106142448481.png

axes.unicode_minus : false


导入文件SimHei.ttf

同样是在刚刚的路径下,上上级目录,自行寻找很简单就可以找到

这个文件可以从这里下(可能会很慢,建议谷歌浏览器下载)

https://www.fontpalace.com/font-details/SimHei/

1下载完直接双击打开先安装一下

2copy到该目录下一份

20201106142606403.png


打开如下路径,删除json文件(放心删,重启后执行程序会恢复)

20201106143011629.png

重启Anaconda打开

jupyter notebook

over!

相关文章
|
缓存 Python Windows
解决matplotlib画图中文显示问题--windows版(永久)
解决matplotlib画图中文显示问题--windows版(永久)
|
缓存 Ubuntu Python
解决matplotlib中文显示问题
解决matplotlib中文显示问题
|
Python
matplotlib python 画图中文显示乱码解决办法 Jupyter
matplotlib python 画图中文显示乱码解决办法 Jupyter
236 0
|
缓存 Linux Python
Matplotlib画图时中文显示的问题
Matplotlib画图时中文显示的问题
319 0
|
Python Windows
matplotlib 中文显示 的问题
第一种方法 from pylab import mpl import numpy as np mpl.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体 mpl.
1223 0
|
4月前
|
Python
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
|
4月前
|
数据可视化 数据挖掘 Linux
震撼发布!Python数据分析师必学,Matplotlib与Seaborn数据可视化实战全攻略!
在数据科学领域,数据可视化是连接数据与洞察的桥梁,能让复杂的关系变得直观。本文通过实战案例,介绍Python数据分析师必备的Matplotlib与Seaborn两大可视化工具。首先,通过Matplotlib绘制基本折线图;接着,使用Seaborn绘制统计分布图;最后,结合两者在同一图表中展示数据分布与趋势,帮助你提升数据可视化技能,更好地讲述数据故事。
65 1
|
23天前
|
数据可视化 Python
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
通过这些思维导图和分析说明表,您可以更直观地理解和选择适合的数据可视化图表类型,帮助更有效地展示和分析数据。
64 8
|
4月前
|
存储 数据可视化 数据挖掘
揭秘!Matplotlib与Seaborn联手,如何让Python数据分析结果一目了然,惊艳全场?
在数据驱动时代,高效直观地展示分析结果至关重要。Python中的Matplotlib与Seaborn是两大可视化工具,结合使用可生成美观且具洞察力的图表。本文通过分析某电商平台的商品销量数据集,展示了如何利用这两个库揭示商品类别与月份间的销售关系及价格对销量的影响。首先使用Matplotlib绘制月份销量分布直方图,再借助Seaborn的箱线图进一步探索不同类别和价格区间下的销量稳定性。
74 10
|
4月前
|
数据可视化 Python
Python中的数据可视化:使用Matplotlib绘制图表
【9月更文挑战第11天】在这篇文章中,我们将探索如何使用Python的Matplotlib库来创建各种数据可视化。我们将从基本的折线图开始,然后逐步介绍如何添加更多的功能和样式,以使您的图表更具吸引力和信息量。无论您是数据科学家、分析师还是任何需要将数据转化为视觉形式的专业人士,这篇文章都将为您提供一个坚实的起点。让我们一起潜入数据的海洋,用视觉的力量揭示其背后的故事。
66 17