Python 绘图中文乱码快速搞定
温馨提示：若页面不能正常显示数学公式和代码，请阅读原文获得更好的阅读体验。
作者：丁闪闪（连享会）
邮箱：lianxhcn@163.com
Title：Python 绘图中文乱码快速搞定
Keywords：Python 绘图，Matplotlib，中文乱码，可视化, SimHei, 微软雅黑, 黑体
数据可视化是数据分析和实证分析的关键步骤。然而，很多同学在使用 AI 生成 Python 绘图代码时，往往会卡在最后关头：
代码运行完美，生成的图表却满屏都是方框（俗称「豆腐块」）。原本清晰的「收益率」变成了「
□□□」，本该展示负值趋势的减号-也变成了乱码。
1. 为什么会出现中文乱码？
原因很简单：Python 最常用的绘图库Matplotlib默认调用的是英文环境下的字体（如DejaVu Sans）。这些字体库中并不包含汉字的点阵信息。
当 AI 为你写代码时，它通常只会完成绘图逻辑。如果你不明确告知你的操作系统（Windows 或 Mac），它给出的通用代码在中文环境下几乎必然「翻车」。
2. 核心解决方案：针对性「止痛药」
对于绝大多数同学来说，你不需要复杂的兼容性设置。根据你目前的电脑系统，直接将下面对应的代码块粘贴到import语句之后即可。
A. Windows 用户（最常用）
Windows 系统自带了「黑体」（SimHei），两行代码即可搞定。
import matplotlib.pyplot as plt # 1. 设置中文字体为黑体 plt.rcParams['font.sans-serif'] = ['SimHei'] # 2. 解决负号 '-' 显示为方块的问题 plt.rcParams['axes.unicode_minus'] = FalseB. macOS 用户
Mac 系统推荐使用「华文黑体」（STHeiti），显示效果非常细腻。
import matplotlib.pyplot as plt # 1. 设置中文字体为华文黑体 plt.rcParams['font.sans-serif'] = ['STHeiti'] # 2. 解决负号 '-' 显示为方块的问题 plt.rcParams['axes.unicode_minus'] = False3. 进阶：跨平台通用设置
如果需要编写一份既能在自己电脑运行，又能让合作者（不同系统）直接使用的通用性代码，建议使用以下跨平台通用配置。
import matplotlib.pyplot as plt def set_ch_style(): # 解决负号乱码 plt.rcParams['axes.unicode_minus'] = False # 定义字体备选名单：按顺序自动匹配，谁有就用谁 plt.rcParams['font.sans-serif'] = [ 'Microsoft YaHei', # Windows: 微软雅黑 'SimHei', # Windows: 黑体 'Arial Unicode MS', # macOS: 通用中文字体 'Heiti SC', # macOS: 华文黑体 'sans-serif' # 保底方案 ] # 执行初始化 set_ch_style()4. 驯服 AI：如何给 AI 发指令？
在向 ChatGPT 或 Claude 索要绘图代码时，为了避免反复修改，请在提示词中加入这一段「金句」。
提示词模板：
请帮我写一段 Python 绘图代码。要求：
- 我的系统是Windows / Mac，请务必包含对应的
plt.rcParams设置以解决中文乱码和负号问题。- 导出图片时请使用
plt.savefig(..., dpi=300, bbox_inches='tight')。- 图表的标题、坐标轴标签请全部使用中文。
5. 小贴士：图片格式和质量
如果你打算将图表发布在GitHub Pages、博客或公众号平台，请务必注意图片质量：
- 格式选 PNG：在网页和微信推文中，
.png的兼容性最好。 - 清晰度选 300 DPI：默认的绘图往往很模糊，在保存时设置
dpi=300，即便在手机端放大查看，文字依然锐利。 - 自动修剪边缘：添加
bbox_inches='tight'参数可以自动剪掉多余的白边，让图表在推文中排版更紧凑。
# 推荐的保存方式 plt.savefig('my_research_plot.png', dpi=300, bbox_inches='tight')掌握了这几招，你就能专注于实证逻辑本身，不再为「豆腐块」乱码而烦恼。
6. 常见问题与排查
- 设置后仍然乱码：重启 Python 内核或重启编辑器，重新运行一遍设置代码。
- macOS 提示字体不存在：可将字体改为
Arial Unicode MS或PingFang SC。 - 负号依旧方块：检查是否遗漏了
plt.rcParams['axes.unicode_minus'] = False。
7. 相关推文
Note：产生如下推文列表的 Stata 命令为：
lianxh python 图 +, nocat md2
安装最新版lianxh命令：ssc install lianxh, replace
- 张祖冲, 2025, disfit：随心所欲拟合各种常见分布函数-Python.
- 张逸林, 2025, 前因后果，一图了然：基于bnlearn的因果推理与Python实操.
- 张逸林, 2025, 手把手人工神经网络系列（二）：卷积神经网络（CNN）.
- 彭晴, 2026, Python绘图神器seaborn：直方图-密度图-小提琴图-热力图.
- 王卓, 2022, Python：绘制动态地图-pyecharts.
- 王烨文, 2025, Python：手绘风格的可视化图形.
- 连享会, 2021, Stata-Python交互-5：边际效应三维立体图示.
- 连小白, 2025, AI助手系列：借助AI工具复现高质量图形.
- 陈云菲, 2025, 新书推荐：《图解大模型》轻松上手 LLM！.
- 陈卓然, 2023, Python金融分析系列-2：数据可视化.
推荐课程：
资源共享
- 连享会资料 ……
- 在线视频：lianxh-class.cn
- Stata 33 讲，100 万+ 播放，Stata 入门必备，公开课
- 直击面板数据模型，10 万+ 播放，白话面板模型，公开课
- … more …
- 论文复现和数据
- 学术论文重现网站大全
- 常用数据库 | 人文社科开放数据库
- 主题分类
- 所有分类| Stata教程 | 结果输出 | 绘图 | 数据处理
- 回归分析 | 面板数据 | 交乘项 | 因果推断 | DID | RDD
- Markdown | 工具软件 | 机器学习 | 其它
- 热门推文
- Stata：DID 入门教程
- 稳健性检验！ | 安慰剂检验！ | 内生性！
- 面板数据模型 | 聚类调整后的标准误
温馨提示：若页面不能正常显示数学公式和代码，请阅读原文获得更好的阅读体验。