import matplotlib.pyplot as plt from matplotlib.font_manager import FontProperties # 设置字体为宋体 font = FontProperties(fname="/path/to/font.ttf", size=12) # 绘制图形 plt.figure(figsize=(15, 15)) ax1 = plt.subplot(3, 1, 1) ax1.set_title("原数据", fontproperties=font) ax1.spines["top"].set_linewidth(2) ax1.spines["right"].set_linewidth(2) ax1.spines["bottom"].set_linewidth(2) ax1.spines["left"].set_linewidth(2) plt.plot(day_ground['PM10'][: "2020-04-30"], color="c") ax1.tick_params(axis='both', labelsize=12, fontproperties=font) ax2 = plt.subplot(3, 1, 2) ax2.set_title("填充插值", fontproperties=font) plt.plot(day_ground["PM10"][: "2020-04-30"].interpolate(method='pad', limit=2), color="r") ax2.tick_params(axis='both', labelsize=12, fontproperties=font) ax3 = plt.subplot(3, 1, 3) ax3.set_title("线性插值", fontproperties=font) plt.plot(day_ground["PM10"][: "2020-04-30"].interpolate(method='linear', limit=2), color="b") ax3.tick_params(axis='both', labelsize=12, fontproperties=font) plt.savefig("插值1.png", dpi=150)以上代码报错为下 File "/Users/wangwangdalibao/opt/anaconda3/lib/python3.9/site-packages/matplotlib/axis.py", line 928, in _translate_tick_kw raise ValueError(

时间: 2024-04-22 21:28:00 浏览: 15
这个错误通常是由于字体文件无法正确加载或字体文件路径不正确导致的。请确保你在示例代码中将 `/path/to/font.ttf` 替换为你实际的字体文件路径。 另外,还有一种可能是字体文件不兼容或损坏。你可以尝试使用其他字体文件进行测试,确保字体文件能够正常加载,并且在替换字体文件路径时没有出现任何拼写错误。 如果问题仍然存在,你可以尝试使用系统自带的字体,而不是指定一个特定的字体文件路径。你可以将 `font = FontProperties(fname="/path/to/font.ttf", size=12)` 这行代码注释掉,并替换为以下代码: ```python font = FontProperties(family='SimSun', size=12) ``` 这将使用系统中的宋体作为字体。 如果以上方法仍然无法解决问题,请提供完整的错误信息,以便我能够更好地帮助你找到问题所在。
相关问题

import matplotlib.pyplot as plt from matplotlib.font_manager import FontProperties font_set = FontProperties(fname=r"E:\数据清洗与预处理\实验\实验四\simsun.ttc", size=20)#导入宋体字体文件 dataX = [1,2,3,4] dataY = [2,4,4,2] plt.plot(dataX,dataY) plt.title("绘制直线",FontProperties=font_set); plt.xlabel("x轴",FontProperties=font_set); plt.ylabel("y轴",FontProperties=font_set); plt.show()

你的代码中存在一些语法错误。可以尝试如下代码: ```python import matplotlib.pyplot as plt from matplotlib.font_manager import FontProperties # 导入宋体字体文件 font_set = FontProperties(fname=r"E:\数据清洗与预处理\实验\实验四\simsun.ttc", size=20) # 数据 dataX = [1, 2, 3, 4] dataY = [2, 4, 4, 2] # 绘制直线 plt.plot(dataX, dataY) plt.title("绘制直线", fontproperties=font_set) plt.xlabel("x轴", fontproperties=font_set) plt.ylabel("y轴", fontproperties=font_set) plt.show() ``` 在这个代码中,我们使用了`fontproperties`来设置字体属性,而不是`FontProperties`。此外,我们将导入字体文件和定义字体属性的代码放在了一起。这样可以使代码更加清晰和易于维护。

import pandas as pd import matplotlib.pyplot as plt from matplotlib.font_manager import FontProperties font = FontProperties(fname=r"C:\Windows\Fonts\simhei.ttf", size=14) plt.rcParams["font.sans-serif"] = ["simhei"] # 读取Excel数据 df = pd.read_excel('people.xlsx') # 绘制柱状图 plt.bar(df['年末总人口'], df['指标']) plt.xlabel('年末总人口') plt.ylabel('指标') plt.title('年末总人口') plt.show()

这段代码的作用是读取名为 "people.xlsx" 的 Excel 文件中的数据,并使用 matplotlib 库绘制柱状图。具体步骤如下: 1. 导入 pandas、matplotlib.pyplot 和 matplotlib.font_manager 这三个库,分别用于读取 Excel 数据、绘制图形和管理字体。 2. 指定字体文件路径和字体大小,以便在图形中显示中文。 3. 使用 pandas 库的 read_excel() 函数读取 Excel 文件中的数据,并将其存储在名为 df 的数据框中。 4. 使用 matplotlib.pyplot 库的 bar() 函数绘制柱状图,其中 df['年末总人口'] 作为 x 轴,df['指标'] 作为 y 轴。 5. 使用 xlabel()、ylabel() 和 title() 函数设置图形的标签和标题。 6. 最后使用 show() 函数将图形显示出来。 需要注意的是,代码中指定的 simhei.ttf 字体文件路径可能需要根据具体的操作系统和字体安装路径进行修改。

相关推荐

#coding:utf8 import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import numpy as np sns.set_style('darkgrid') import matplotlib.font_manager as fm myfont=fm.FontProperties(fname=r'./data/simhei.ttf') #请完善下面的函数 def push_week(new_data): ############ Begin ############ new_data=new_data[new_data['type']==4].copy() #选取样本 new_data['weekdays'] = pd.to_datetime(new_data['time']).apply(lambda x: x.weekday()+1) #时间转化 week_days = new_data.groupby('weekdays')['user_id'].count() #统计购买次数 fig=plt.figure(figsize=(8,6)) #设置大小 bar_width = 0.33 # 设置宽度 plt.bar(week_days.index.values , week_days.values, bar_width, label='下单的次数') plt.xlabel('时间',fontproperties=myfont,fontsize=9) plt.ylabel('数量',fontproperties=myfont,fontsize=9) plt.title('一周内每天的下单情况',fontproperties=myfont,fontsize=12) plt.xticks(week_days.index.values, ('周一', '周二', '周三', '周四', '周五', '周六', '周日'),fontproperties=myfont,fontsize=9) plt.ylim(0,300) plt.legend(prop=myfont) ############ End ############ plt.savefig('./task2/task2_week.png') plt.close(fig) def push_date(new_data): new_data = new_data[(new_data['type'] == 4) & (pd.to_datetime(new_data['time']) < pd.to_datetime('2016-03-01'))].copy() #选出2016年数据 new_data['days'] = [x.day for x in pd.to_datetime(new_data['time'])] #选出天数 renew=new_data.groupby('days')['sku_id'].count() fig = plt.figure(figsize=(8, 6)) plt.plot(renew.index.values,renew.values,label='购买次数') plt.xlabel('天数',fontproperties=myfont,fontsize=9) plt.ylabel('次数',fontproperties=myfont,fontsize=9) plt.title('购买量和月内日期的关系',fontproperties=myfont,fontsize=12) plt.legend(prop=myfont) ############ End ############ plt.savefig('./task2/task2_date.png') plt.close(fig) 报错src/task2_test.py:22: FutureWarning: The pandas.datetime class is deprecated and will be removed from pandas in a future version. Import from datetime instead. data['weekdays'] = pd.to_datetime(data['time']).apply(pd.datetime.weekday) + 1 购买意愿与星期之间的关系图完成! 购买意愿与日期之间的关系图完成!

from matplotlib import pyplot as plt import numpy as np from matplotlib.font_manager import FontProperties import matplotlib.font_manager as font_manager # 设置中文字体,这里以微软雅黑为例 my_font = font_manager.FontProperties(fname="C:/Windows/Fonts/msyh.ttc") font = FontProperties(fname=r"C:\Windows\Fonts\simhei.ttf", size=14) # 指定中文字体路径和字体大小 # 构造数据 x_labels2 = ['A→B','A→C','B→C',"平均"] x_labels = ['A→B$_{1}$', 'A→B$_{2}$', 'A→B$_{3}$', 'A→C$_{1}$', 'A→C$_{2}$', 'A→C$_{1}$', "平均"] y_values = np.array([[90.72,77.86,38.67], [97.42,76.16,42.86], [91.67,72.37,41.56], [97.07,64.25,40.12], [88.80,71.56,45.15], [92.26,68.87,43.32], [92.99,71.85,41.95]]) # 二维数组,每个元素包含 3 个类别的值 y_values2 = np.array([[93.96,71.64,66.04], [96.00,76.56,65.27], [89.51,72.39,64.23], [93.16,73.53,65.18]]) # 绘制多类直方图 x = np.arange(len(x_labels2)) width = 0.2 # 每个类别之间的宽度 fig, ax = plt.subplots() rects1 = ax.bar(x - width, y_values2[:, 0], width, label="提出方法") rects2 = ax.bar(x, y_values2[:, 1], width, label="DCNN") rects3 = ax.bar(x + width, y_values2[:, 2], width, label="DDC") # 设置 x 标签、标题和图例 ax.set_xticks(x) ax.set_xticklabels(x_labels2,fontproperties=font) ax.legend() ax.set_xlabel("迁移诊断任务", fontproperties=font) ax.set_ylabel("诊断精度(%)", fontproperties=font) #ax.set_title("迁移诊断结果对比",fontproperties=font) # 设置中文字体 plt.legend(prop=my_font) plt.subplots_adjust(left=0.12, right=0.9, top=0.9, bottom=0.15) # 调整边缘 plt.show()如何修改上述代码使得“提出方法”,“DCNN”,“DDC”移到图表的上方拍成横着的一行

最新推荐

recommend-type

软考-考生常见操作说明-202405101400-纯图版.pdf

软考官网--2024常见操作说明:包括如何绘制网络图、UML图、表格等 模拟作答系统是计算机技术与软件专业技术资格(水平)考试的电子化考试系统界面、作答过程的仿真系统,为各级别、各资格涉及输入和页面显示的部分题型提供体验性练习。
recommend-type

setuptools-34.0.3.zip

Node.js,简称Node,是一个开源且跨平台的JavaScript运行时环境,它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立,旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎,可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型,这使得它非常适合处理大量并发连接,从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外,Node.js使用了模块化的架构,通过npm(Node package manager,Node包管理器),社区成员可以共享和复用代码,极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展,它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等,因此,开发者可以用JavaScript编写全栈应用程序,这一点大大提高了开发效率和便捷性。 在实践中,许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台,如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能,简化了开发流程,并且能更快地响应市场需求。
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

解释minorization-maximization (MM) algorithm,并给出matlab代码编写的例子

Minorization-maximization (MM) algorithm是一种常用的优化算法,用于求解非凸问题或含有约束的优化问题。该算法的基本思想是通过构造一个凸下界函数来逼近原问题,然后通过求解凸下界函数的最优解来逼近原问题的最优解。具体步骤如下: 1. 初始化参数 $\theta_0$,设 $k=0$; 2. 构造一个凸下界函数 $Q(\theta|\theta_k)$,使其满足 $Q(\theta_k|\theta_k)=f(\theta_k)$; 3. 求解 $Q(\theta|\theta_k)$ 的最优值 $\theta_{k+1}=\arg\min_\theta Q(
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依
recommend-type

实现实时监控告警系统:Kafka与Grafana整合

![实现实时监控告警系统:Kafka与Grafana整合](https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2pwZy9BVldpY3ladXVDbEZpY1pLWmw2bUVaWXFUcEdLT1VDdkxRSmQxZXB5R1lxaWNlUjA2c0hFek5Qc3FyRktudFF1VDMxQVl3QTRXV2lhSWFRMEFRc0I1cW1ZOGcvNjQw?x-oss-process=image/format,png) # 1.1 Kafka集群架构 Kafka集群由多个称为代理的服务器组成,这
recommend-type

帮我实现在Androidstudio调用chapgpt并提供源码

首先,你需要运行一个ChitGPT的服务器,然后通过Android应用程序与该服务器进行通信。以下是一个简单的Android应用程序示例,可以与ChitGPT进行通信: 1. 首先,在Android Studio中创建一个新的项目,并添加以下依赖项: ``` implementation 'com.squareup.okhttp3:okhttp:4.9.0' implementation 'com.google.code.gson:gson:2.8.6' ``` 2. 创建一个新的Java类,用于与ChitGPT服务器通信。以下是一个简单的实现: ```java import com.