Python编程:解决matplotlib绘图中文乱码问题

简介: Python编程:解决matplotlib绘图中文乱码问题

测试环境:

  • mac
  • python3

先查看本机支持的字体

# 显示可以用的中文字体
from matplotlib.font_manager import FontManager
import subprocess
def show_can_use_font():
    # all font list get from matplotlib.font_manager:
    mpl_fonts = set(f.name for f in FontManager().ttflist)
    # for python2
    # output = subprocess.check_output('fc-list :lang=zh -f "%{family}\n"', shell=True)
    # for python3
    # Chinese font list get from fc-list
    output = subprocess.check_output('fc-list :lang=zh -f "%{family}\n"', shell=True, encoding="utf8")
    zh_fonts = set(f.split(',', 1)[0] for f in output.split('\n'))
    # the fonts we can use:
    available = set(mpl_fonts) & set(zh_fonts)
    for f in available:
        print('\t', f)
if __name__ == '__main__':
    show_can_use_font()

运行以上脚本,得到可以使用的字体

LiSong Pro
.LastResort
Arial Unicode MS
LiHei Pro
Wawati SC
Wawati TC
STFangsong
STHeiti

将上面的字体设置到rcParams就可以正常显示中文

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib import rcParams
# 设置字体
rcParams["font.family"]="STHeiti"
rcParams["font.size"]= 8
path = "data/总人口.txt"
data = pd.read_csv(path, sep=" ")
data = pd.DataFrame(data)
x = data.ix[4].keys()[1:]
y = data.ix[4].values[1:]
print(x)
print(y)
"""
Index(['2016年', '2015年', '2014年', '2013年', '2012年', '2011年', '2010年', '2009年',
       '2008年', '2007年'],
      dtype='object')
[58973 60346 61866 62961 64222 65656 67113 68938 70399 71496]
"""
plt.plot(x, y)
plt.title("乡村人口(万人)")
plt.xlabel("时间(年)")
plt.ylabel("人口(万人)")
plt.show()

image.png

附件:

data/总人口.txt


  • 指标 2016年 2015年 2014年 2013年 2012年 2011年 2010年 2009年 2008年 2007年
  • 年末总人口(万人) 138271 137462 136782 136072 135404 134735 134091 133450 132802 132129
  • 男性人口(万人) 70815 70414 70079 69728 69395 69068 68748 68647 68357 68048
  • 女性人口(万人) 67456 67048 66703 66344 66009 65667 65343 64803 64445 64081
  • 城镇人口(万人) 79298 77116 74916 73111 71182 69079 66978 64512 62403 60633
  • 乡村人口(万人) 58973 60346 61866 62961 64222 65656 67113 68938 70399 71496

参考

Linux/MacOS下matplotlib能正常显示的中文字体选择

相关文章
|
2月前
|
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。
104 8
|
3月前
|
移动开发 数据可视化 数据挖掘
利用Python实现数据可视化:以Matplotlib和Seaborn为例
【10月更文挑战第37天】本文旨在引导读者理解并掌握使用Python进行数据可视化的基本方法。通过深入浅出的介绍,我们将探索如何使用两个流行的库——Matplotlib和Seaborn,来创建引人入胜的图表。文章将通过具体示例展示如何从简单的图表开始,逐步过渡到更复杂的可视化技术,帮助初学者构建起强大的数据呈现能力。
|
3月前
|
数据可视化 JavaScript 前端开发
Python中交互式Matplotlib图表
【10月更文挑战第20天】Matplotlib 是 Python 中最常用的绘图库之一,但默认生成的图表是静态的。通过结合 mpld3 库,可以轻松创建交互式图表,提升数据可视化效果。本文介绍了如何使用 mpld3 在 Python 中创建交互式散点图、折线图和直方图,并提供了详细的代码示例和安装方法。通过添加插件,可以实现缩放、平移和鼠标悬停显示数据标签等交互功能。希望本文能帮助读者掌握这一强大工具。
115 5
|
3月前
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`)
本文介绍了如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`),加载历史数据,计算均线和其他技术指标,实现交易逻辑,记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
154 5
|
4月前
|
数据可视化 定位技术 Python
Python数据可视化--Matplotlib--入门
Python数据可视化--Matplotlib--入门
42 0
|
4月前
|
数据可视化 数据挖掘 API
Python中的数据可视化利器:Matplotlib与Seaborn对比解析
在Python数据科学领域,数据可视化是一个重要环节。它不仅帮助我们理解数据,更能够让我们洞察数据背后的故事。本文将深入探讨两种广泛使用的数据可视化库——Matplotlib与Seaborn,通过对比它们的特点、优劣势以及适用场景,为读者提供一个清晰的选择指南。无论是初学者还是有经验的开发者,都能从中找到有价值的信息,提升自己的数据可视化技能。
235 3
|
5月前
|
机器学习/深度学习 搜索推荐 数据可视化
Python量化炒股常用的Matplotlib包
Python量化炒股常用的Matplotlib包
58 7
|
5月前
|
API Python
30天拿下Python之matplotlib模块
30天拿下Python之matplotlib模块
36 0
|
5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。
|
5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。
93 1

推荐镜像

更多