matplotlibの漢字表示メソッド
matplotlib で中国語の文字を表示するには、特定のコード サンプルが必要です
Matplotlib をデータ視覚化に使用する場合、多くの場合、グラフに中国語の文字を表示する必要があります。ただし、Matplotlib はデフォルトでは中国語の文字の表示をサポートしていないため、この機能を実現するにはいくつかの追加設定が必要です。以下に、Matplotlib で簡単に漢字を表示する簡単な方法を紹介します。
まず、Matplotlib や中国語フォント ライブラリなどの必要なライブラリをインポートする必要があります。コードは次のとおりです。
import matplotlib.pyplot as plt from matplotlib.font_manager import FontProperties
2 番目のステップは、適切な中国語フォントを選択することです。 Matplotlib では、デフォルトのフォントは英語フォントなので、中国語の文字を正しく表示できません。次のコードを通じて適切な中国語フォントを選択できます:
font = FontProperties(fname=r"C:WindowsFontssimhei.ttf", size=14)
上記のコードでは、FontProperties
クラスを使用してフォント ファイル simhei.ttf のパスを指定します。
は一般的に使用される中国語フォントです。ここでは Windows システムの Fonts フォルダーに入れています。ご自身のシステム環境に応じて、適切な中国語フォントを選択してください。
3 番目のステップでは、選択した中国語フォントを使用してグラフを描画します。 Matplotlib では、text
関数または xlabel
、ylabel
などの関数を呼び出すことで中国語の文字を表示できます。コード例は次のとおりです。
fig = plt.figure() ax = fig.add_subplot(111) ax.text(0.5, 0.5, '中文字符示例', fontproperties=font)
上記のコードでは、チャート オブジェクト fig
を作成し、サブグラフ オブジェクト ax
を追加しました。次に、text
関数を使用してグラフの中央にテキストを追加します。テキストの内容は「漢字の例」で、使用されるフォントは fontproperties
で指定されます。パラメータ。
text
関数に加えて、xlabel
や ylabel
などの関数を使用して中国語の文字を表示することもできます。コード例は次のとおりです。
fig = plt.figure() ax = fig.add_subplot(111) ax.set_xlabel('横轴', fontproperties=font) ax.set_ylabel('纵轴', fontproperties=font)
上記のコードでは、set_xlabel
関数と set_ylabel
関数を使用して、それぞれ水平軸と垂直軸のラベルを設定します。および fontproperties を使用します。
パラメーターは、使用するフォントを指定します。
上記の手順により、Matplotlib で中国語の文字を簡単に表示できます。完全なサンプル コードを以下に示します。
import matplotlib.pyplot as plt from matplotlib.font_manager import FontProperties font = FontProperties(fname=r"C:WindowsFontssimhei.ttf", size=14) fig = plt.figure() ax = fig.add_subplot(111) ax.text(0.5, 0.5, '中文字符示例', fontproperties=font) plt.show()
上記のコードを実行すると、Matplotlib によって描画されたグラフに中国語の文字が正しく表示されることがわかります。
要約すると、Matplotlib で中国語の文字を表示する手順は次のとおりです:
- 必要なライブラリをインポートします:
import matplotlib.pyplot as plt
,from matplotlib.font_manager import FontProperties
; - 適切な中国語フォントを選択します:
font = FontProperties(fname=r"C:WindowsFontssimhei.ttf", size=14)
; - 選択した中国語フォントを使用してグラフを描画します:
ax.text(0.5, 0.5, '中国語の文字の例', fontproperties=font)
またはax.set_xlabel('horizontal axis '、fontproperties=font)
など。
以上はMatplotlibで漢字を表示する方法とサンプルコードです。この方法を使用すると、Matplotlib で簡単に漢字を表示できるため、グラフが理解しやすくなり、読みやすくなります。この記事がお役に立てば幸いです!
以上がmatplotlibの漢字表示メソッドの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











このチュートリアルでは、Pythonを使用してZIPFの法則の統計的概念を処理する方法を示し、法律の処理時にPythonの読み取りおよび並べ替えの効率性を示します。 ZIPF分布という用語が何を意味するのか疑問に思うかもしれません。この用語を理解するには、まずZIPFの法律を定義する必要があります。心配しないでください、私は指示を簡素化しようとします。 ZIPFの法則 ZIPFの法則は単に意味します。大きな自然言語のコーパスでは、最も頻繁に発生する単語は、2番目の頻繁な単語のほぼ2倍の頻度で表示されます。 例を見てみましょう。アメリカ英語の茶色のコーパスを見ると、最も頻繁な言葉は「thであることに気付くでしょう。

この記事では、Pythonライブラリである美しいスープを使用してHTMLを解析する方法について説明します。 find()、find_all()、select()、およびget_text()などの一般的な方法は、データ抽出、多様なHTML構造とエラーの処理、および代替案(SEL

ノイズの多い画像を扱うことは、特に携帯電話や低解像度のカメラの写真でよくある問題です。 このチュートリアルでは、OpenCVを使用してPythonの画像フィルタリング手法を調査して、この問題に取り組みます。 画像フィルタリング:強力なツール 画像フィルター

PDFファイルは、クロスプラットフォームの互換性に人気があり、オペレーティングシステム、読み取りデバイス、ソフトウェア間でコンテンツとレイアウトが一貫しています。ただし、Python Plansing Plain Text Filesとは異なり、PDFファイルは、より複雑な構造を持つバイナリファイルであり、フォント、色、画像などの要素を含んでいます。 幸いなことに、Pythonの外部モジュールでPDFファイルを処理することは難しくありません。この記事では、PYPDF2モジュールを使用して、PDFファイルを開き、ページを印刷し、テキストを抽出する方法を示します。 PDFファイルの作成と編集については、私からの別のチュートリアルを参照してください。 準備 コアは、外部モジュールPYPDF2を使用することにあります。まず、PIPを使用してインストールします。 ピップはpです

このチュートリアルでは、Redisキャッシングを活用して、特にDjangoフレームワーク内でPythonアプリケーションのパフォーマンスを向上させる方法を示しています。 Redisのインストール、Django構成、およびパフォーマンスの比較をカバーして、Beneを強調します

この記事では、深い学習のためにTensorflowとPytorchを比較しています。 関連する手順、データの準備、モデルの構築、トレーニング、評価、展開について詳しく説明しています。 特に計算グラップに関して、フレームワーク間の重要な違い

データサイエンスと処理のお気に入りであるPythonは、高性能コンピューティングのための豊富なエコシステムを提供します。ただし、Pythonの並列プログラミングは、独自の課題を提示します。このチュートリアルでは、これらの課題を調査し、グローバルな承認に焦点を当てています

このチュートリアルでは、Python 3にカスタムパイプラインデータ構造を作成し、機能を強化するためにクラスとオペレーターのオーバーロードを活用していることを示しています。 パイプラインの柔軟性は、一連の機能をデータセットに適用する能力にあります。
