活动公告

系统通知
通知：端午节限时活动来袭！
06-18 23:43
系统通知
通知：微软邮箱更换提醒
06-14 00:00
系统通知
通知：本站资源由网友上传分享，如有违规等问题请到版务模块进行投诉，资源失效请在帖子内回复要求补档，会尽快处理！
10-23 09:31
>社区 > 科技 > 经验交流 >帖子
本版发帖返回

Matplotlib中文图表制作全攻略从字体配置到乱码解决一步到位掌握专业数据可视化技巧让图表更加直观易懂

这是个蓝孩子 当前离线 威震华夏关云长
SunJu_FaceMall

3万

主题

3077

科技点

3万

积分

执行版主

碾压王

积分
32876

塔罗立华奏
执行版主 发表于 2025-9-28 13:50:00 | 显示全部楼层 |阅读模式

马上注册，结交更多好友，享用更多功能，让你轻松玩转社区。

您需要 登录 才可以下载或查看，没有账号？立即注册

x
引言

Matplotlib是Python中最流行的数据可视化库之一，它提供了丰富的绘图功能，能够创建各种静态、动态和交互式的图表。然而，对于中文用户来说，Matplotlib的默认设置往往无法正确显示中文字符，导致图表中的中文显示为方框或乱码，这给数据分析和展示带来了不小的困扰。本文将全面介绍Matplotlib中文显示的解决方案，从基础的字体配置到高级的可视化技巧，帮助您一步到位掌握专业数据可视化技能，让您的图表更加直观易懂。

Matplotlib中文显示问题的根源

在深入解决方案之前，我们首先需要了解为什么Matplotlib默认情况下无法正确显示中文字符。这主要有以下几个原因：

1. 默认字体不支持中文：Matplotlib的默认字体（如DejaVu Sans）主要针对西方字符设计，不包含中文字符集。
2. 字符编码问题：Python 2时代遗留下来的编码问题，以及不同操作系统对中文字符编码的处理方式不同。
3. 字体路径配置：Matplotlib无法自动找到系统中合适的中文字体路径。
4. 渲染引擎限制：Matplotlib的后端渲染引擎对字体的支持程度不同。

默认字体不支持中文：Matplotlib的默认字体（如DejaVu Sans）主要针对西方字符设计，不包含中文字符集。

字符编码问题：Python 2时代遗留下来的编码问题，以及不同操作系统对中文字符编码的处理方式不同。

字体路径配置：Matplotlib无法自动找到系统中合适的中文字体路径。

渲染引擎限制：Matplotlib的后端渲染引擎对字体的支持程度不同。

了解了这些根本原因后，我们就可以有针对性地解决问题了。

解决方案一：全局字体配置

全局字体配置是最直接的解决方案，通过修改Matplotlib的默认字体设置，使其能够正确显示中文字符。

1. 查看可用字体

首先，我们需要查看系统中可用的字体：
  2. import matplotlib.font_manager as fm
  4. # 获取所有可用字体
  5. fonts = fm.findSystemFonts()
  6. # 筛选中文字体
  7. chinese_fonts = [f for f in fonts if 'simhei' in f.lower() or 'simsun' in f.lower() or 'microsoft yahei' in f.lower() or 'pingfang' in f.lower()]
  9. print("系统中可用的中文字体：")
  10. for font in chinese_fonts:
  11.     print(font)
复制代码

2. 设置全局字体

找到合适的中文字体后，我们可以通过以下方式设置全局字体：
  2. import matplotlib.pyplot as plt
  3. import numpy as np
  5. # 设置全局字体
  6. plt.rcParams['font.sans-serif'] = ['SimHei']  # 'SimHei'是黑体
  7. plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题
  9. # 测试图表
  10. x = np.linspace(0, 10, 100)
  11. y = np.sin(x)
  13. plt.figure(figsize=(10, 6))
  14. plt.plot(x, y, label='正弦曲线')
  15. plt.title('正弦函数图像')
  16. plt.xlabel('x轴')
  17. plt.ylabel('y轴')
  18. plt.legend()
  19. plt.grid(True)
  20. plt.show()
复制代码

3. 字体配置文件修改

另一种全局配置方法是修改Matplotlib的配置文件matplotlibrc。首先，找到配置文件的位置：
  2. import matplotlib
  4. # 获取matplotlib配置文件路径
  5. print(matplotlib.matplotlib_fname())
复制代码

然后，编辑该文件，找到以下行并修改：
  2. font.sans-serif     : SimHei, DejaVu Sans, Bitstream Vera Sans, ...
  3. axes.unicode_minus  : False
复制代码

解决方案二：局部字体配置

全局配置虽然简单，但有时会影响所有图表。局部字体配置则更加灵活，可以针对特定图表或文本元素设置字体。

1. 使用FontProperties
  2. import matplotlib.pyplot as plt
  3. import matplotlib.font_manager as fm
  4. import numpy as np
  6. # 创建字体属性
  7. font_path = 'C:/Windows/Fonts/simhei.ttf'  # Windows系统中的黑体字体路径
  8. font_prop = fm.FontProperties(fname=font_path)
  10. # 测试图表
  11. x = np.linspace(0, 10, 100)
  12. y = np.sin(x)
  14. plt.figure(figsize=(10, 6))
  15. plt.plot(x, y, label='正弦曲线')
  16. plt.title('正弦函数图像', fontproperties=font_prop)
  17. plt.xlabel('x轴', fontproperties=font_prop)
  18. plt.ylabel('y轴', fontproperties=font_prop)
  19. plt.legend(prop=font_prop)
  20. plt.grid(True)
  21. plt.show()
复制代码

2. 直接指定字体名称
  2. import matplotlib.pyplot as plt
  3. import numpy as np
  5. # 测试图表
  6. x = np.linspace(0, 10, 100)
  7. y = np.sin(x)
  9. plt.figure(figsize=(10, 6))
  10. plt.plot(x, y, label='正弦曲线')
  11. plt.title('正弦函数图像', fontname='SimHei')
  12. plt.xlabel('x轴', fontname='SimHei')
  13. plt.ylabel('y轴', fontname='SimHei')
  14. plt.legend(prop={'family': 'SimHei'})
  15. plt.grid(True)
  16. plt.show()
复制代码

解决方案三：使用中文字体缓存

Matplotlib支持字体缓存机制，通过重建字体缓存，可以使其识别新安装的字体。

1. 删除字体缓存

首先，删除Matplotlib的字体缓存：
  2. import matplotlib
  4. # 获取字体缓存目录
  5. cache_dir = matplotlib.get_cachedir()
  6. print(f"字体缓存目录: {cache_dir}")
  8. # 删除字体缓存（需要手动操作）
  9. # 在Windows系统中，通常是 %USERPROFILE%\.matplotlib
  10. # 在Linux/Mac系统中，通常是 ~/.matplotlib
复制代码

2. 重建字体缓存

删除缓存后，下次运行Matplotlib时会自动重建字体缓存。也可以手动重建：
  2. import matplotlib.font_manager as fm
  4. # 重建字体缓存
  5. fm._rebuild()
复制代码

解决方案四：使用Seaborn辅助设置

Seaborn是基于Matplotlib的高级可视化库，它提供了更简单的中文字体设置方法。
  2. import seaborn as sns
  3. import matplotlib.pyplot as plt
  4. import numpy as np
  6. # 设置Seaborn样式和中文字体
  7. sns.set(style="whitegrid", font="SimHei")
  9. # 测试图表
  10. x = np.linspace(0, 10, 100)
  11. y = np.sin(x)
  13. plt.figure(figsize=(10, 6))
  14. plt.plot(x, y, label='正弦曲线')
  15. plt.title('正弦函数图像')
  16. plt.xlabel('x轴')
  17. plt.ylabel('y轴')
  18. plt.legend()
  19. plt.show()
复制代码

常见中文字体配置示例

不同的中文字体有不同的特点和适用场景，下面是一些常见中文字体的配置示例：

1. 黑体（SimHei）

黑体是一种无衬线字体，适合用于标题和标签：
  2. import matplotlib.pyplot as plt
  3. import numpy as np
  5. plt.rcParams['font.sans-serif'] = ['SimHei']
  6. plt.rcParams['axes.unicode_minus'] = False
  8. x = np.arange(1, 13)
  9. y = np.array([120, 150, 180, 220, 260, 300, 320, 350, 380, 420, 450, 480])
  11. plt.figure(figsize=(10, 6))
  12. plt.bar(x, y, color='skyblue')
  13. plt.title('2023年月度销售额统计', fontsize=16)
  14. plt.xlabel('月份', fontsize=12)
  15. plt.ylabel('销售额（万元）', fontsize=12)
  16. plt.xticks(x, [f'{i}月' for i in range(1, 13)])
  17. plt.grid(axis='y', linestyle='--', alpha=0.7)
  18. plt.show()
复制代码

2. 宋体（SimSun）

宋体是一种衬线字体，适合用于正文和详细说明：
  2. import matplotlib.pyplot as plt
  3. import numpy as np
  5. plt.rcParams['font.sans-serif'] = ['SimSun']
  6. plt.rcParams['axes.unicode_minus'] = False
  8. categories = ['产品A', '产品B', '产品C', '产品D', '产品E']
  9. values = [25, 30, 15, 20, 10]
  10. explode = [0, 0.1, 0, 0, 0]  # 突出显示第二块
  12. plt.figure(figsize=(10, 8))
  13. plt.pie(values, explode=explode, labels=categories, autopct='%1.1f%%',
  14.         shadow=True, startangle=90)
  15. plt.title('产品销售占比分析', fontsize=16)
  16. plt.axis('equal')  # 保证饼图是圆的
  17. plt.show()
复制代码

3. 微软雅黑（Microsoft YaHei）

微软雅黑是一种现代无衬线字体，适合用于各种图表：
  2. import matplotlib.pyplot as plt
  3. import numpy as np
  4. import pandas as pd
  6. plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
  7. plt.rcParams['axes.unicode_minus'] = False
  9. # 创建示例数据
  10. np.random.seed(0)
  11. dates = pd.date_range('20230101', periods=12)
  12. values_A = np.random.randint(50, 200, size=12)
  13. values_B = np.random.randint(30, 150, size=12)
  15. plt.figure(figsize=(12, 6))
  16. plt.plot(dates, values_A, 'o-', label='产品A销量')
  17. plt.plot(dates, values_B, 's-', label='产品B销量')
  18. plt.title('2023年产品销量趋势对比', fontsize=16)
  19. plt.xlabel('日期', fontsize=12)
  20. plt.ylabel('销量（件）', fontsize=12)
  21. plt.legend()
  22. plt.grid(True, linestyle='--', alpha=0.7)
  23. plt.xticks(rotation=45)
  24. plt.tight_layout()
  25. plt.show()
复制代码

高级技巧：自定义字体样式

除了基本的中文字体设置，我们还可以进一步自定义字体样式，使图表更加专业和美观。

1. 字体大小和颜色
  2. import matplotlib.pyplot as plt
  3. import numpy as np
  5. plt.rcParams['font.sans-serif'] = ['SimHei']
  6. plt.rcParams['axes.unicode_minus'] = False
  8. x = np.linspace(0, 10, 100)
  9. y = np.sin(x)
  11. plt.figure(figsize=(12, 6))
  12. plt.plot(x, y, 'b-', linewidth=2, label='正弦曲线')
  13. plt.title('正弦函数图像', fontsize=20, color='#333333')
  14. plt.xlabel('x轴', fontsize=14, color='#666666')
  15. plt.ylabel('y轴', fontsize=14, color='#666666')
  16. plt.legend(fontsize=12)
  17. plt.grid(True, linestyle='--', alpha=0.7)
  18. plt.tick_params(axis='both', which='major', labelsize=12)
  19. plt.show()
复制代码

2. 多种字体混用
  2. import matplotlib.pyplot as plt
  3. import matplotlib.font_manager as fm
  4. import numpy as np
  6. # 创建不同字体的属性
  7. font_title = fm.FontProperties(fname='C:/Windows/Fonts/simhei.ttf', size=18)
  8. font_label = fm.FontProperties(fname='C:/Windows/Fonts/simhei.ttf', size=14)
  9. font_text = fm.FontProperties(fname='C:/Windows/Fonts/simsun.ttc', size=12)
  11. x = np.linspace(0, 10, 100)
  12. y = np.sin(x)
  14. plt.figure(figsize=(12, 6))
  15. plt.plot(x, y, 'b-', linewidth=2, label='正弦曲线')
  16. plt.title('正弦函数图像', fontproperties=font_title)
  17. plt.xlabel('x轴', fontproperties=font_label)
  18. plt.ylabel('y轴', fontproperties=font_label)
  19. plt.text(5, 0.5, '正弦函数的周期为2π', fontproperties=font_text,
  20.          ha='center', bbox=dict(facecolor='yellow', alpha=0.2))
  21. plt.legend(prop=font_label)
  22. plt.grid(True, linestyle='--', alpha=0.7)
  23. plt.show()
复制代码

3. 自定义字体颜色映射
  2. import matplotlib.pyplot as plt
  3. import numpy as np
  4. from matplotlib.colors import LinearSegmentedColormap
  6. plt.rcParams['font.sans-serif'] = ['SimHei']
  7. plt.rcParams['axes.unicode_minus'] = False
  9. # 创建自定义颜色映射
  10. colors = [(0.1, 0.2, 0.5), (0.5, 0.7, 0.9), (1, 0.8, 0.3)]  # 蓝色到黄色
  11. cmap_name = 'custom_cmap'
  12. cm = LinearSegmentedColormap.from_list(cmap_name, colors, N=100)
  14. # 生成示例数据
  15. x = np.random.randn(1000)
  16. y = np.random.randn(1000)
  17. colors = np.sqrt(x**2 + y**2)
  19. plt.figure(figsize=(10, 8))
  20. scatter = plt.scatter(x, y, c=colors, cmap=cm, alpha=0.7)
  21. plt.title('二维正态分布散点图', fontsize=16)
  22. plt.xlabel('X轴', fontsize=12)
  23. plt.ylabel('Y轴', fontsize=12)
  24. plt.colorbar(scatter, label='距离原点的距离')
  25. plt.grid(True, linestyle='--', alpha=0.3)
  26. plt.show()
复制代码

完整示例：创建专业中文图表

下面是一个综合示例，展示如何创建一个专业的中文图表，包含多种元素和样式：
  2. import matplotlib.pyplot as plt
  3. import numpy as np
  4. import pandas as pd
  5. from matplotlib.ticker import FuncFormatter
  7. # 设置全局字体
  8. plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
  9. plt.rcParams['axes.unicode_minus'] = False
  11. # 创建示例数据
  12. np.random.seed(42)
  13. months = pd.date_range('20230101', periods=12, freq='M')
  14. sales_A = np.random.randint(100, 300, size=12) + np.linspace(10, 100, 12)
  15. sales_B = np.random.randint(80, 250, size=12) + np.linspace(5, 80, 12)
  16. profit_A = sales_A * np.random.uniform(0.1, 0.3, size=12)
  17. profit_B = sales_B * np.random.uniform(0.15, 0.35, size=12)
  19. # 创建图表
  20. fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(14, 10), gridspec_kw={'height_ratios': [2, 1]})
  22. # 第一个子图：销售额
  23. ax1.plot(months, sales_A, 'o-', linewidth=2, markersize=8, label='产品A销售额')
  24. ax1.plot(months, sales_B, 's-', linewidth=2, markersize=8, label='产品B销售额')
  25. ax1.set_title('2023年产品销售额与利润分析', fontsize=18, pad=20)
  26. ax1.set_ylabel('销售额（万元）', fontsize=14)
  27. ax1.legend(fontsize=12, loc='upper left')
  28. ax1.grid(True, linestyle='--', alpha=0.7)
  30. # 设置y轴格式
  31. def millions_formatter(x, pos):
  32.     return f'{x/100:.1f}百万'
  34. ax1.yaxis.set_major_formatter(FuncFormatter(millions_formatter))
  36. # 添加数据标签
  37. for i, (month, sale) in enumerate(zip(months, sales_A)):
  38.     if i % 2 == 0:  # 每隔一个标签显示一次，避免过于拥挤
  39.         ax1.text(month, sale + 10, f'{sale:.0f}', ha='center', fontsize=10)
  41. # 第二个子图：利润率
  42. profit_rate_A = profit_A / sales_A * 100
  43. profit_rate_B = profit_B / sales_B * 100
  45. ax2.bar(months, profit_rate_A, width=15, alpha=0.7, label='产品A利润率')
  46. ax2.bar(months, profit_rate_B, width=15, alpha=0.7, label='产品B利润率', bottom=profit_rate_A)
  47. ax2.set_xlabel('月份', fontsize=14)
  48. ax2.set_ylabel('利润率（%）', fontsize=14)
  49. ax2.legend(fontsize=12, loc='upper right')
  50. ax2.grid(True, linestyle='--', alpha=0.7, axis='y')
  52. # 设置x轴日期格式
  53. ax1.xaxis.set_major_formatter(plt.DateFormatter('%Y-%m'))
  54. ax2.xaxis.set_major_formatter(plt.DateFormatter('%Y-%m'))
  56. # 调整布局
  57. plt.tight_layout()
  59. # 添加注释
  60. fig.text(0.5, 0.01, '数据来源：公司内部销售系统', ha='center', fontsize=10, color='gray')
  62. plt.show()
复制代码

常见问题与解决方案

1. 负号显示为方块

问题：在设置中文字体后，负号可能显示为方块。

解决方案：
  2. plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题
复制代码

2. 字体文件路径问题

问题：在不同操作系统中，字体文件路径不同。

解决方案：
  2. import platform
  3. import matplotlib.font_manager as fm
  5. # 根据操作系统选择字体路径
  6. system = platform.system()
  7. if system == 'Windows':
  8.     font_path = 'C:/Windows/Fonts/simhei.ttf'
  9. elif system == 'Darwin':  # MacOS
  10.     font_path = '/System/Library/Fonts/STHeiti Medium.ttc'
  11. else:  # Linux
  12.     font_path = '/usr/share/fonts/truetype/droid/DroidSansFallbackFull.ttf'
  14. font_prop = fm.FontProperties(fname=font_path)
复制代码

3. 图表保存时中文显示异常

问题：图表在屏幕上显示正常，但保存为图片后中文显示异常。

解决方案：
  2. import matplotlib.pyplot as plt
  4. # 创建图表
  5. plt.figure()
  6. plt.plot([1, 2, 3], [4, 5, 6])
  7. plt.title('测试图表')
  9. # 保存时指定bbox_inches=tight
  10. plt.savefig('test.png', dpi=300, bbox_inches='tight')
  11. plt.close()
复制代码

4. Jupyter Notebook中中文显示问题

问题：在Jupyter Notebook中，即使设置了中文字体，中文仍然显示异常。

解决方案：
  2. # 在Jupyter Notebook中，首先运行以下魔法命令
  3. %matplotlib inline
  4. %config InlineBackend.figure_format = 'retina'
  6. # 然后设置中文字体
  7. import matplotlib.pyplot as plt
  8. plt.rcParams['font.sans-serif'] = ['SimHei']
  9. plt.rcParams['axes.unicode_minus'] = False
复制代码

5. 特殊字符显示问题

问题：一些特殊中文字符或符号无法正确显示。

解决方案：
  2. import matplotlib.pyplot as plt
  3. from matplotlib.font_manager import FontProperties
  5. # 使用支持更多字符的字体，如"Microsoft YaHei"或"SimSun"
  6. font = FontProperties(fname='C:/Windows/Fonts/msyh.ttc')  # 微软雅黑
  8. plt.figure()
  9. plt.plot([1, 2, 3], [4, 5, 6])
  10. plt.title('特殊字符测试：α, β, γ, ℃, ℉, Ⅰ, Ⅱ, Ⅲ', fontproperties=font)
  11. plt.show()
复制代码

总结与最佳实践

通过本文的介绍，我们全面了解了Matplotlib中文图表制作的各个方面。以下是一些总结和最佳实践建议：

1. 选择合适的字体：黑体（SimHei）适合标题和标签宋体（SimSun）适合正文和详细说明微软雅黑（Microsoft YaHei）是一种通用性较强的现代字体
2. 黑体（SimHei）适合标题和标签
3. 宋体（SimSun）适合正文和详细说明
4. 微软雅黑（Microsoft YaHei）是一种通用性较强的现代字体
5. 配置方法选择：对于需要统一风格的多个图表，使用全局配置对于单个特殊图表，使用局部配置在团队协作中，考虑使用配置文件确保一致性
6. 对于需要统一风格的多个图表，使用全局配置
7. 对于单个特殊图表，使用局部配置
8. 在团队协作中，考虑使用配置文件确保一致性
9. 跨平台兼容性：考虑不同操作系统的字体差异可以将字体文件与代码一起分发，确保环境一致性
10. 考虑不同操作系统的字体差异
11. 可以将字体文件与代码一起分发，确保环境一致性
12. 性能考虑：避免在循环中频繁创建FontProperties对象对于大量图表生成，考虑预先加载和缓存字体
13. 避免在循环中频繁创建FontProperties对象
14. 对于大量图表生成，考虑预先加载和缓存字体
15. 专业图表设计：注意字体大小、颜色和样式的协调合理使用图表元素，避免过度装饰确保图表的可读性和信息传达效率
16. 注意字体大小、颜色和样式的协调
17. 合理使用图表元素，避免过度装饰
18. 确保图表的可读性和信息传达效率

选择合适的字体：

• 黑体（SimHei）适合标题和标签
• 宋体（SimSun）适合正文和详细说明
• 微软雅黑（Microsoft YaHei）是一种通用性较强的现代字体

配置方法选择：

• 对于需要统一风格的多个图表，使用全局配置
• 对于单个特殊图表，使用局部配置
• 在团队协作中，考虑使用配置文件确保一致性

跨平台兼容性：

• 考虑不同操作系统的字体差异
• 可以将字体文件与代码一起分发，确保环境一致性

性能考虑：

• 避免在循环中频繁创建FontProperties对象
• 对于大量图表生成，考虑预先加载和缓存字体

专业图表设计：

• 注意字体大小、颜色和样式的协调
• 合理使用图表元素，避免过度装饰
• 确保图表的可读性和信息传达效率

通过掌握这些技巧，您将能够创建出专业、美观且信息丰富的中文数据可视化图表，使您的数据分析结果更加直观易懂，有效提升沟通和展示效果。

Matplotlib的中文支持虽然需要一些额外配置，但一旦掌握，就能充分发挥其强大的可视化能力，为您的数据分析和展示工作提供有力支持。希望本文能够帮助您解决Matplotlib中文显示的各种问题，并在数据可视化道路上更进一步。
全攻略
「七転び八起き（ななころびやおき）」
回复

使用道具 举报

返回列表 发新帖
您需要登录后才可以回帖 登录 | 立即注册
高级模式
B Color Image Link Quote Code Smilies

本版积分规则