python数据分析入门——matplotlib的中文显示问题&最小二乘法

　　　　正在学习《用python做科学计算》，在练习最小二乘法时遇到matplotlib无法显示中文的问题。查资料，感觉动态的加上几条语句是最好，这里贴上全部的代码。

# -*- coding: utf-8 -*-
"""
Created on Wed Aug 10 23:20:26 2016

@author: Administrator
"""

import numpy as np
from scipy.optimize import leastsq
import pylab as pl


'''
针对matplotlib显示中文的办法
只需添加下面三行代码
'''
import matplotlib as mpl
mpl.rcParams["font.sans-serif"] = ["Microsoft YaHei"]
mpl.rcParams['axes.unicode_minus'] = False

def func(x, p):
	'''
	数据拟合所需要的函数
	A*sin(2*K*np.pi*x + theta)
	'''
	A, k, theta = p
	return A*np.sin(2*k*np.pi*x + theta)

def residuals(p , y, x):
	'''
	实验数据和拟合函数之差，p为拟合需要的参数
	'''
	return (y-func(x, p))
	
x = np.linspace(0, -2*np.pi, 100)
A, k, theta = 10, 0.34, np.pi/6  # 真实数据的函数参数
y0 = func(x, [A, k, theta])  # 真实数据
y1 = y0 + 2 * np.random.randn(len(x))  # 加入噪声之后的数据

p0 = [7, 0.2, 0]  # 第一次猜测的函数拟合函数
# 调用leastsq进行数据拟合
# residuals为计算误差的函数
# p0为拟合参数的初始值
# args为需要拟合的实验数据
plsq = leastsq(residuals, p0, args=(y1, x))
print("真实参数-->", [A, k, theta])
print("拟合参数-->", plsq[0])

pl.plot(x, y0, label = "真实数据")
pl.plot(x, y1, label = "带噪声的实验数据")
pl.plot(x, func(x, plsq[0]), label = "拟合数据")
pl.legend()
pl.show()

　　输出结果：

 　　#########2016/10/11补更#############

　　是这样的，我在spyder环境下，用matplotlib作图，尝试上面的办法，竟然不可以。。。额。那个。其实上面的方法换其他的编辑器都是可以的，pycharm和sublime亲测可行。这里只是探索一下。

　　在spyder下显示是这样的，标题和图例都无法显示中文。懵逼。。。当时查了好久资料也一直没有解决，问题已经提问到stack overflow.

　　不过呢，今天在这里又看到另一种方式，虽说图例依然没办法显示中文，但是把标题的中文问题解决了。通过matplotlib中指定字体方法。

　　代码如下：

import matplotlib.pyplot as plt
import scipy
import numpy as np
from pylab import *
myfont = matplotlib.font_manager.FontProperties(fname='C:/Windows/Fonts/msyh.ttf')
mpl.rcParams['axes.unicode_minus'] = False
x=np.linspace(0,2*np.pi,10)
y=np.sin(x)
xvals=np.linspace(0,2*np.pi,20)
yinterp = np.interp(xvals, x, y)
plot1=plt.plot(x, y, 'o')#采用unicode编码
plot2=plt.plot(xvals, yinterp, '-x')
plt.xlabel(u'x轴',fontproperties=myfont)
plt.ylabel(u'y轴',fontproperties=myfont)
plt.title(u'插值',fontproperties=myfont)
plt.legend([u'真实值',u'插值'])
plt.show()

　　结果如下：

　　等我什么时候找到在spyder下面的完美解决方案再补充咯。