-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy path16_matplotlib_chinese.py
152 lines (131 loc) · 6.55 KB
/
16_matplotlib_chinese.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
# -*- coding: utf-8 -*-
__author__ = 'John'
__date__ = '2019-09-13'
__product__ = 'PyCharm'
__filename__ = '16_matplotlib_chinese'
"""
16 彻底解决matplotlib中文显示问题, 画箱形图及数据分析_笔记
http://www.ai111.vip/thread-232-1-1.html
"""
"""
设置中文和负号正常显示import matplotlib as mpl
mpl.rcParams['font.family'] = 'sans-serif'
mpl.rcParams['font.sans-serif'] = 'SimHei'
mpl.rcParams['axes.unicode_minus'] = False
如果是windwos系统 这样就可以生效了, 但是mac并不起作用, 或许也会有windows系统不起作用的, 那就可以尝试下面的方法,
可以彻底解决matplotlib中文显示问题, 包括windows与mac系统
1 找到matplotlib 安装的目录, 修改matplotlibrc文件
删除font.family和font.sans-serif两行前的#, 并在font.sans-serif后添加对应的中文字体. 这里我们用的是中文简体 SimHei
print(mpl.matplotlib_fname())
2 将对应的字体SimHei.tff拷贝到matplotlib/mpl-data/fonts/ttf目录下
3 清空缓存文件
这一步很重要! 否则其他几步都是白忙活. 一定要清空matlibplot加载字体的缓存, 因为加载字体的时候要读取FontList文件,
我们新加入的字体不在这个文件的列表, 加载时必然会报找不到字体的错:
UserWarning: findfont: Font family [u'sans-serif'] not found. Falling back to Bitstream Vera Sans
(prop.get_family(), self.defaultFamily[fontext]))
所以我们要前进到这个坑爹的文件夹下. Windows和centos Ubuntu的一些清除缓存的命令, 可能并不适用于Mac系统!
所以很多博客提供的命令, 直接不起作用啊! 所以稳妥起见, 还是手动删除缓存.
有些博客上写的是FontList.cache, 但是我的机器上没有FontList.cache文件,但是有一个FontList.json文件,
打开后发现, 这个文件详细记录了matplotlib加载字体的名称 路径.
文件目路径是: /Users/lqhk/.matplotlib/FontList.json, 删除即可.
下次调用matplotlib时, 会自动生成一个新的json文件.
4 重启python与项目
设置图形的显示风格
plt.style.use('ggplot')
"""
"""
用pandas自带的画图工具更快
df1.boxplot()
plt.show()
"""
"""
箱形图的参数解析:
x: 指定要绘制箱线图的数据；
notch: 是否是凹口的形式展现箱线图, 默认非凹口；
sym: 指定异常点的形状, 默认为+号显示；
vert: 是否需要将箱线图垂直摆放, 默认垂直摆放；
whis: 指定上下须与上下四分位的距离, 默认为1.5倍的四分位差；
positions: 指定箱线图的位置, 默认为[0,1,2…]；
widths: 指定箱线图的宽度, 默认为0.5；
patch_artist: 是否填充箱体的颜色；
meanline: 是否用线的形式表示均值, 默认用点来表示；
showmeans: 是否显示均值, 默认不显示；
showcaps: 是否显示箱线图顶端和末端的两条线, 默认显示；
showbox: 是否显示箱线图的箱体, 默认显示；
showfliers: 是否显示异常值, 默认显示；
boxprops: 设置箱体的属性, 如边框色, 填充色等；
labels: 为箱线图添加标签, 类似于图例的作用；
filerprops: 设置异常值的属性, 如异常点的形状 大小 填充色等；
medianprops: 设置中位数的属性, 如线的类型 粗细等；
meanprops: 设置均值的属性, 如点的大小 颜色等；
capprops: 设置箱线图顶端和末端线条的属性, 如颜色 粗细等；
whiskerprops: 设置须的属性, 如颜色 粗细 线的类型等；
"""
import matplotlib.pyplot as plt
import matplotlib as mpl
import pandas as pd
import matplotlib.font_manager as mfm
import subprocess
from threading import Timer
import os
def call_fc_list_zh():
"""Cache and list the font filenames known to `fc-list`.
"""
# Delay the warning by 5s.
timer = Timer(5, print('wait 5s'))
timer.start()
try:
out = subprocess.check_output(['fc-list', ':lang=zh', '--format=%{file}\\n'])
except (OSError, subprocess.CalledProcessError):
return []
finally:
timer.cancel()
return [os.fsdecode(fname) for fname in out.split(b'\n')]
zh_fonts = pd.unique(call_fc_list_zh())
print('fc-list :lang=zh \n', zh_fonts)
print(mpl.matplotlib_fname())
# use command to find ttc list that supports Chinese:
# fc-list :lang=zh
# randomly choose one: Songti
font_path = zh_fonts[2]
prop = mfm.FontProperties(fname=font_path)
fn = mfm.findfont(prop, fontext='ttc')
f = mfm.get_font(fn)
mpl.rcParams['font.family'] = f.family_name
mpl.rcParams['axes.unicode_minus'] = False
print(mpl.rcParams)
df1 = pd.DataFrame({
u'计算机应用基础': [85, 78, 81, 95, 70, 67, 82, 72, 80, 81, 77],
u'西方经济学': [93, 81, 76, 88, 66, 79, 83, 92, 78, 86, 78],
u'Math': [65, 95, 51, 74, 78, 63, 91, 82, 75, 71, 55],
u'英语': [76, 90, 97, 71, 70, 93, 86, 83, 78, 85, 81],
})
print(df1)
# df1.boxplot()
# plt.show()
plt.style.use('ggplot')
plt.boxplot(x=df1.values, labels=df1.columns, whis=1.5, showmeans=True)
plt.show()
# plt.ylim(0, 85)
"""
箱形图的数据分析:
箱形图有5个参数:
下边缘, 表示下边界；
下四分位数 (Q1) , 又称“第一四分位数”, 等于该样本中所有数值由小到大排列后第25%的数字；
中位数 (Q2) , 又称“第二四分位数”等于该样本中所有数值由小到大排列后第50%的数字；
上四分位数 (Q3) , 又称“第三四分位数”等于该样本中所有数值由小到大排列后第75%的数字；
上边缘, 表述上边界.
上四分位数与下四分位数的差距又称四分位间距IQR=Q3-Q1
箱型图无需对数据进行正态分布要求. 适用范围广. (判断异常的其他方法比如3西伽马,z分数方法都要求数据服从正态分布.
箱形图可以用来观察数据整体的分布情况, 利用中位数, 25%分位数, 75%分位数,
通过计算这些统计量, 生成一个箱体图, 箱体包含了大部分的正常数据, 而在箱体上边界和下边界之外的, 就是异常数据.
其中上下边界的计算公式如下:
UpperLimit=Q3+1.5IQR=75%分位数+ (75%分位数-25%分位数) *1.5,
LowerLimit=Q1－1.5IQR=25%分位数- (75%分位数-25%分位数) *1.5
IQR表示上下四分位差, 系数1.5是一种经过大量分析和经验积累起来的标准, 一般情况下不做调整.
那为什么要引入箱形图呢?
1.为了反映原始数据的分布情况, 比如数据的聚散情况和偏态.
2.箱型图有个功能就是可以检测这组数据是否存在异常值. 异常值在哪里呢? 就是在上边缘和下边缘的范围之外.
3.可以直观地比较多组数据的情况.
http://www.ai111.vip/forum.php?mod=attachment&aid=MTV8NTNjMmM5YzJ8MTU2ODQxNTY4Nnw0OHwyMzI%3D¬humb=yes
"""