Pyecharts日历图中文化显示问题解析
2025-05-15 05:00:07作者:凌朦慧Richard
在使用Pyecharts绘制日历图时,开发者经常会遇到图表标签无法正确显示中文的问题。本文将深入分析这一现象的原因,并提供完整的解决方案。
问题现象
当开发者在Jupyter Notebook环境中使用Pyecharts绘制日历图时,即使设置了name_map='cn'参数,图表中的月份和星期标签仍然显示为英文。然而,当将图表保存为HTML文件后,中文标签却能正确显示。
根本原因
经过技术分析,发现这一问题主要源于以下两个因素:
-
参数值大小写敏感:Pyecharts底层依赖ECharts的配置参数,而ECharts对于语言代码参数是大小写敏感的。正确的参数值应为大写的"ZH"而非小写的"cn"。
-
Jupyter渲染机制差异:Notebook环境下的即时渲染与HTML文件生成采用了不同的初始化流程,导致参数解析行为不一致。
解决方案
要确保日历图在Jupyter Notebook中正确显示中文标签,应采用以下配置方式:
daylabel_opts=opts.CalendarDayLabelOpts(name_map="ZH"),
monthlabel_opts=opts.CalendarMonthLabelOpts(name_map="ZH"),
完整示例代码
from pyecharts.globals import CurrentConfig, NotebookType
CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LAB
import datetime
import random
from pyecharts import options as opts
from pyecharts.charts import Calendar
begin = datetime.date(2017, 1, 1)
end = datetime.date(2017, 12, 31)
data = [
[str(begin + datetime.timedelta(days=i)), random.randint(1000, 25000)]
for i in range((end - begin).days + 1)
]
c = (
Calendar()
.add(
"",
data,
calendar_opts=opts.CalendarOpts(
range_="2017",
daylabel_opts=opts.CalendarDayLabelOpts(name_map="ZH"),
monthlabel_opts=opts.CalendarMonthLabelOpts(name_map="ZH"),
),
)
.set_global_opts(
title_opts=opts.TitleOpts(title="Calendar-2017年微信步数情况"),
visualmap_opts=opts.VisualMapOpts(
max_=20000,
min_=500,
orient="horizontal",
is_piecewise=True,
pos_top="230px",
pos_left="100px",
),
)
)
c.load_javascript()
c.render_notebook()
技术要点说明
-
语言代码规范:ECharts官方文档明确规定了语言代码应采用大写形式,如"ZH"代表中文,"EN"代表英文。
-
环境配置:在Jupyter环境中使用Pyecharts时,需要正确设置Notebook类型,确保渲染引擎能够正常工作。
-
参数传递:日历图的中文标签需要通过
daylabel_opts和monthlabel_opts两个选项分别配置,不能遗漏任何一个。
最佳实践建议
- 始终使用大写的语言代码
- 在Jupyter环境中开发时,先测试HTML输出效果
- 保持Pyecharts和依赖库的最新版本
- 对于复杂的可视化需求,建议先在HTML环境中测试效果
通过遵循以上解决方案和最佳实践,开发者可以确保Pyecharts日历图在各种环境下都能正确显示中文标签。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
375
3.25 K
暂无简介
Dart
619
140
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
479
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
261
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.09 K
619
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
790
76