0

0

『行远见大』让 Matplotlib 生成的图表显示汉字

P粉084495128

P粉084495128

发布时间:2025-07-30 10:36:33

|

576人浏览过

|

来源于php中文网

原创

该项目解决了AI Studio上Matplotlib生成图表无法显示汉字的问题,内置微软雅黑、楷体等五种字体。以国民经济核算季度数据为例,展示了散点图、折线图、直方图、饼图的绘制,供学习参考,致敬开源,无商业用途。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

『行远见大』让 matplotlib 生成的图表显示汉字 - php中文网

『行远见大』让 Matplotlib 生成的图表显示汉字

项目简介

解决了在 AI Studio 上用 Matplotlib 生成常见图表(散点图、折线图、直方图、饼图)无法显示汉字的问题。

致敬开源

大家好,我是行远见大。欢迎你与我一同建设飞桨开源社区,知识分享是一种美德,让我们致敬开源!

郑重声明

本项目旨在以计算机技术研究交流为目的,仅供大家学习与参考,不存在任何的商业目的与商业用途。

ModelGate
ModelGate

一站式AI模型管理与调用工具

下载

加载字体

本项目内置了五种字体供大家学习与参考,字体的路径: ./fonts/

内置字体 字体名称
msyh.ttc 微软雅黑
simkai.ttf 常规楷体
simsun.ttf 常规宋体
SimHei.ttf 常规黑体
SIMLI.TTF 常规隶书

环境配置

In [1]
import numpy as npimport matplotlib.pyplot as pltimport matplotlib.font_manager as font_manager
   

选择字体

In [2]
# 查看字体的引用名fontpath = 'fonts/msyh.ttc'                            # 选择字体prop = font_manager.FontProperties(fname=fontpath)print(prop.get_name())

%matplotlib inlinefrom matplotlib.font_manager import FontProperties
font = FontProperties(fname='fonts/msyh.ttc', size=16) # 设置大小
       
Microsoft YaHei
       

读取文件

In [3]
data = np.load('work/国民经济核算季度数据.npz', allow_pickle=True)
columns = data['columns']
values = data['values']print(columns)print(values)
data['values'].shape
       
['序号' '时间' '国内生产总值_当季值(亿元)' '第一产业增加值_当季值(亿元)' '第二产业增加值_当季值(亿元)'
 '第三产业增加值_当季值(亿元)' '农林牧渔业增加值_当季值(亿元)' '工业增加值_当季值(亿元)' '建筑业增加值_当季值(亿元)'
 '批发和零售业增加值_当季值(亿元)' '交通运输、仓储和邮政业增加值_当季值(亿元)' '住宿和餐饮业增加值_当季值(亿元)'
 '金融业增加值_当季值(亿元)' '房地产业增加值_当季值(亿元)' '其他行业增加值_当季值(亿元)']
[[1 '2000年第一季度' 21329.9 ... 1235.9 933.7 3586.1]
 [2 '2000年第二季度' 24043.4 ... 1124124.0 904.7 3464.9]
 [3 '2000年第三季度' 25712.5 ... 1170.4 1070.9 3518.2]
 ...
 [67 '2016年第三季度' 190529.5 ... 15472.5 12164.1 37964.1]
 [68 '2016年第四季度' 211281.3 ... 15548.7 13214.9 39848.4]
 [69 '2017年第一季度' 180682.7 ... 17213.5 12393.4 42443.1]]
       
(69, 15)
               

查看效果

散点图

In [4]
plt.figure(figsize=(10, 8))

plt.scatter(values[:, 1], values[:, 3], marker='o')
plt.scatter(values[:, 1], values[:, 4], marker='*')
plt.scatter(values[:, 1], values[:, 5], marker='D')

plt.xticks(range(0, 70, 4), values[range(0, 70, 4), 1], rotation=45, fontproperties=font)
plt.legend(['第一产业生产总值', '第二产业生产总值', '第三产业生产总值'], prop=font)   
plt.title('2000-2017年各产业生产总值散点图', fontproperties=font)
plt.ylabel('生产总值(亿元)', fontproperties=font)
plt.savefig('work/2000-2017年各产业生产总值散点图.png')
plt.show()
       
<Figure size 720x576 with 1 Axes>
               

折线图

In [5]
plt.figure(figsize=(10, 8))

plt.plot(values[:, 1], values[:, 3], linestyle='solid')
plt.plot(values[:, 1], values[:, 4], marker='*')
plt.plot(values[:, 1], values[:, 5], marker='D')

plt.xticks(range(0, 70, 4), values[range(0, 70, 4), 1], rotation=45, fontproperties=font)
plt.legend(['第一产业生产总值', '第二产业生产总值', '第三产业生产总值'], prop=font)         
plt.title('2000-2017年各产业生产总值散点图', fontproperties=font)
plt.ylabel('生产总值(亿元)', fontproperties=font)
plt.savefig('work/2000-2017年各产业生产总值折线图.png')
plt.show()
       
<Figure size 720x576 with 1 Axes>
               

直方图

In [6]
plt.figure(figsize=(10, 8))

plt.bar(columns[3:6], values[-1, 3:6], color='gold', width=0.6, tick_label=['1','2','3']) 
plt.title('2017年第一季度各产业生产总值直方图', fontproperties=font)  
plt.xlabel('产业', fontproperties=font)
plt.ylabel('生产总值(亿元)', fontproperties=font)

my_height = values[-1, 3:6]for i in range(len(my_height)):
    plt.text(i, my_height[i]+1000, my_height[i], va='bottom', ha='center')

plt.savefig('work/2017年第一季度各产业生产总值直方图.png')
plt.show()
       
<Figure size 720x576 with 1 Axes>
               

饼图

In [7]
plt.figure(figsize=(10, 8))

labels = ['第一产业', '第二产业', '第三产业']

plt.pie(values[-1, 3:6], explode=[0.2, 0.01, 0.01], labels=labels, colors=['red','gold','orange'], autopct='%1.1f%%', textprops={'fontproperties':font})
plt.title('2017年第一季度各产业生产总值饼图', fontproperties=font)
plt.savefig('work/2017年第一季度各产业生产总值饼图.png')
plt.show()
       
<Figure size 720x576 with 1 Axes>
               

热门AI工具

更多
DeepSeek
DeepSeek

幻方量化公司旗下的开源大模型平台

豆包大模型
豆包大模型

字节跳动自主研发的一系列大型语言模型

WorkBuddy
WorkBuddy

腾讯云推出的AI原生桌面智能体工作台

腾讯元宝
腾讯元宝

腾讯混元平台推出的AI助手

文心一言
文心一言

文心一言是百度开发的AI聊天机器人,通过对话可以生成各种形式的内容。

讯飞写作
讯飞写作

基于讯飞星火大模型的AI写作工具,可以快速生成新闻稿件、品宣文案、工作总结、心得体会等各种文文稿

即梦AI
即梦AI

一站式AI创作平台,免费AI图片和视频生成。

ChatGPT
ChatGPT

最最强大的AI聊天机器人程序,ChatGPT不单是聊天机器人,还能进行撰写邮件、视频脚本、文案、翻译、代码等任务。

相关专题

更多
数据分析的方法
数据分析的方法

数据分析的方法有:对比分析法,分组分析法,预测分析法,漏斗分析法,AB测试分析法,象限分析法,公式拆解法,可行域分析法,二八分析法,假设性分析法。php中文网为大家带来了数据分析的相关知识、以及相关文章等内容。

504

2023.07.04

数据分析方法有哪几种
数据分析方法有哪几种

数据分析方法有:1、描述性统计分析;2、探索性数据分析;3、假设检验;4、回归分析;5、聚类分析。本专题为大家提供数据分析方法的相关的文章、下载、课程内容,供大家免费下载体验。

292

2023.08.07

网站建设功能有哪些
网站建设功能有哪些

网站建设功能包括信息发布、内容管理、用户管理、搜索引擎优化、网站安全、数据分析、网站推广、响应式设计、社交媒体整合和电子商务等功能。这些功能可以帮助网站管理员创建一个具有吸引力、可用性和商业价值的网站,实现网站的目标。

759

2023.10.16

数据分析网站推荐
数据分析网站推荐

数据分析网站推荐:1、商业数据分析论坛;2、人大经济论坛-计量经济学与统计区;3、中国统计论坛;4、数据挖掘学习交流论坛;5、数据分析论坛;6、网站数据分析;7、数据分析;8、数据挖掘研究院;9、S-PLUS、R统计论坛。想了解更多数据分析的相关内容,可以阅读本专题下面的文章。

534

2024.03.13

Python 数据分析处理
Python 数据分析处理

本专题聚焦 Python 在数据分析领域的应用,系统讲解 Pandas、NumPy 的数据清洗、处理、分析与统计方法,并结合数据可视化、销售分析、科研数据处理等实战案例,帮助学员掌握使用 Python 高效进行数据分析与决策支持的核心技能。

82

2025.09.08

Python 数据分析与可视化
Python 数据分析与可视化

本专题聚焦 Python 在数据分析与可视化领域的核心应用,系统讲解数据清洗、数据统计、Pandas 数据操作、NumPy 数组处理、Matplotlib 与 Seaborn 可视化技巧等内容。通过实战案例(如销售数据分析、用户行为可视化、趋势图与热力图绘制),帮助学习者掌握 从原始数据到可视化报告的完整分析能力。

60

2025.10.14

Python异步编程与Asyncio高并发应用实践
Python异步编程与Asyncio高并发应用实践

本专题围绕 Python 异步编程模型展开,深入讲解 Asyncio 框架的核心原理与应用实践。内容包括事件循环机制、协程任务调度、异步 IO 处理以及并发任务管理策略。通过构建高并发网络请求与异步数据处理案例,帮助开发者掌握 Python 在高并发场景中的高效开发方法,并提升系统资源利用率与整体运行性能。

37

2026.03.12

C# ASP.NET Core微服务架构与API网关实践
C# ASP.NET Core微服务架构与API网关实践

本专题围绕 C# 在现代后端架构中的微服务实践展开,系统讲解基于 ASP.NET Core 构建可扩展服务体系的核心方法。内容涵盖服务拆分策略、RESTful API 设计、服务间通信、API 网关统一入口管理以及服务治理机制。通过真实项目案例,帮助开发者掌握构建高可用微服务系统的关键技术,提高系统的可扩展性与维护效率。

136

2026.03.11

Go高并发任务调度与Goroutine池化实践
Go高并发任务调度与Goroutine池化实践

本专题围绕 Go 语言在高并发任务处理场景中的实践展开,系统讲解 Goroutine 调度模型、Channel 通信机制以及并发控制策略。内容包括任务队列设计、Goroutine 池化管理、资源限制控制以及并发任务的性能优化方法。通过实际案例演示,帮助开发者构建稳定高效的 Go 并发任务处理系统,提高系统在高负载环境下的处理能力与稳定性。

47

2026.03.10

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
10分钟--Midjourney创作自己的漫画
10分钟--Midjourney创作自己的漫画

共1课时 | 0.1万人学习

Midjourney 关键词系列整合
Midjourney 关键词系列整合

共13课时 | 0.9万人学习

AI绘画教程
AI绘画教程

共2课时 | 0.2万人学习

关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号