matplotlib中文乱码根治指南：字体配置、排查与跨平台方案

用 matplotlib 画图，最让人血压飙升的瞬间莫过于——图是画出来了，线啊点啊都对，可所有中文标签全变成一个个方框，或者干脆消失。更气人的是，在 PyCharm 里跑没问题，换个 VSCode 终端就乱码，自己电脑好好的一拿到服务器就废。我前前后后踩过不下二十次这种坑，今天把根治方案、排查思路和避坑经验一次说透。无论是刚接触数据可视化的新手，还是被中文折磨已久的写论文人、做报表的职场人，这篇文章都能帮你彻底告别 matplotlib 中文乱码。

1. 中文乱码的本质：不是 matplotlib 的问题，而是字体与编码的错配

1.1 乱码到底是怎么发生的

很多人一遇到乱码就想去重装 matplotlib，其实这跟 matplotlib 本身没什么关系。Matplotlib 默认使用的字体是 DejaVu Sans，这是一套西文字体，里面压根就没有中文字形。当绘图文本里出现“销售数据”“柱状图”这类汉字时，matplotlib 在字体库中找不到对应的字形，于是只能用一个空心方框来代替。Windows 下还会出现一种情况，就是字符被错误解析成乱码符号，比如一堆“□□□□”或者“锟斤拷”，后者其实是编码转换错误导致的经典乱码。

明白了这个原理，解决路径就清晰了：让 matplotlib 使用一款支持中文的字体。常见的可选方案有三种，一是全局修改 rcParams 字体配置，二是安装额外的中文字体到系统，三是动态指定字体文件路径。大部分人推荐第一种，确实也是最稳定的一种。但具体怎么配置、配完为什么还不生效，这里面的门道很多，我下面会逐一拆解。

1.2 字体查找机制：matplotlib 怎么决定用哪个字体

在进入实操前，有必要先了解一下 matplotlib 的字体查找流程，不然遇到findfont: Font family 'SimHei' not found这种报错时还是会一脸懵。

当调用plt.xlabel('年份')时，matplotlib 会进入字体管理器，它先读取当前 rcParams 中font.family和font.sans-serif的配置，然后在系统字体缓存里匹配对应的 TTF/TTC 文件。如果找不到，就会把警告打到终端，并回退到默认字体。注意，这里的“找到”指的是字体文件能被 matplotlib 的字体管理器正常加载，而不是只要系统里装了微软雅黑就万事大吉。某些第三方发行版（比如通过 conda 安装的 matplotlib）可能没有继承系统字体路径，导致明明装了中文字体却仍然乱码。

1.3 对比表格：常见中文字体的适配性

为了让你一目了然地选择，我整理了一个常用中文字体在 matplotlib 中的适配情况表，环境是 Windows 10 + Python 3.10 + matplotlib 3.7。

从经验来看，日常出图优先SimHei或Microsoft YaHei，如果要提交期刊或打印，推荐思源黑体，因为它的字形更规范和统一。这里要特别提醒：字体名称必须严格按照 matplotlib 识别的名字来写，不是你在 Word 里看到的名字。比如系统里安装的是“方正小标宋简体”，matplotlib 可能识别不了这种带修饰词的名字，这时就需要用font_manager.fontManager.ttflist查看实际名字。

2. 三种常用解决方案：从永久生效到临时指定

2.1 方案一：全局修改 rcParams（最常用、最实用）

这是最正宗的写法，只要在绘图脚本的最前面加上几行代码，所有文本都会使用中文字体。我一般是这样写的：

import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认无衬线字体为黑体 plt.rcParams['axes.unicode_minus'] = False # 解决负号‘-’显示为方块的问题

第一行很好理解，就是告诉 matplotlib 用黑体渲染文字。第二行axes.unicode_minus设置成False，是为了让坐标轴的负号使用 ASCII 短横线，而不是 Unicode 的减号。为什么必须设置？因为在某些中文字体下，Unicode 减号字形是缺失的，会显示成小方块。这个问题很容易被忽略，导致坐标轴出现“-0.5 变成 □0.5”的怪现象。

完整的使用示例：

import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False days = ['周一', '周二', '周三', '周四', '周五'] temps = [23, 25, 27, 26, 24] plt.plot(days, temps, marker='o') plt.title('一周温度变化') plt.xlabel('星期') plt.ylabel('温度(℃)') plt.show()

这段代码直接跑起来，标题、坐标轴标签就正常了。有一点要注意，font.sans-serif这个键对应的值是一个列表，你可以同时列出多个备选字体，比如['Microsoft YaHei', 'SimHei', 'Arial']，matplotlib 会从左到右依次尝试，直到找到可用的为止。这样即使某个字体在某些系统上不存在，也会自动降级。

2.2 方案二：使用字体管理器动态注册字体（适合无中文环境）

当你把脚本扔到服务器上跑，而服务器是纯 CentOS 系统，往往没有安装任何中文字体，此时方案一就会失效。我们可以在脚本中动态下载并注册一个字体文件，无需系统级安装。第一步，准备一个 TTF 文件，比如从我常用的路径拷贝：

import matplotlib import matplotlib.font_manager as fm # 字体文件路径，TTF或OTF均可 font_path = '/path/to/your/NotoSansCJKsc-Regular.otf' prop = fm.FontProperties(fname=font_path)

然后在使用时，把FontProperties对象传给每个需要中文的绘图接口：

import matplotlib.pyplot as plt # 使用上面的 prop plt.plot(['中文', '数据'], [1, 2]) plt.title('自定义字体', fontproperties=prop) plt.xlabel('类别', fontproperties=prop) plt.ylabel('数值', fontproperties=prop)

这种方式的优势是，即使电脑上没有任何系统中文，只要脚本里带一个字体文件，就能在任何机器上稳定复现。缺点是每次设置文本都要加fontproperties参数，代码冗余。如果你想全局生效，可以这样注册：

import matplotlib.font_manager as fm import matplotlib.pyplot as plt fm.fontManager.addfont('/path/to/your/NotoSansCJKsc-Regular.otf') plt.rcParams['font.family'] = 'Noto Sans CJK SC'

addfont方法在 matplotlib 3.2 之后存在，低于这个版本的也可以手动构建FontProperties再添加到fontManager.ttflist，不过更建议升级到新版。

2.3 方案三：临时修改字体设置（单图快速调试）

有时候只是临时画个示意图，不愿意动全局配置，可以在单个 Figure 对象上临时设置：

import matplotlib.pyplot as plt from matplotlib.font_manager import FontProperties # 读取系统字体 font_path = 'C:/Windows/Fonts/msyh.ttc' # Windows 微软雅黑 my_font = FontProperties(fname=font_path, size=12) fig, ax = plt.subplots() ax.set_title('临时图', fontproperties=my_font) ax.set_xlabel('X 轴', fontproperties=my_font)

这一种最灵活，但如果你要写一个有几十个图标的论文，每一个轴都要去指定一遍，绝对会怀疑人生。所以我个人的经验是：写脚本时用方案一的全局配置打底，遇到特殊字体需求再叠加方案二的动态注册。方案三只在快速试错时用。

2.4 三种方案的适用场景对比

3. 实操全流程：从检测到修复，一步不落

3.1 先检查当前环境到底缺什么

不要一乱码就照着网上的代码粘贴，第一步应该是定位。打开 Python 终端，执行以下代码查看系统字体列表：

from matplotlib import font_manager fonts = [f.name for f in font_manager.fontManager.ttflist] print(sorted(set(fonts)))

如果输出结果里没有SimHei、Microsoft YaHei这类中文字体，说明当前 Python 环境根本没有扫描到中文，那就需要检查系统是否安装中文字体，或者使用动态注册。如果列表里有中文字体但还是乱码，那问题多半出在代码没有正确指定，比如plt.rcParams['font.sans-serif'] = 'SimHei'这种错误赋值——注意这里应该是一个列表，字符串后面没有加方括号，matplotlib 也会报错。

另外还要查一下 matplotlib 版本，老版本（2.x 及以前）对字体支持不同，建议升级到最新版：

pip install -U matplotlib

升级之后再次运行检测脚本，往往一些莫名其妙的问题就消失了。

3.2 完整修复示例：一个带中文的散点图

假设我们要绘制一个“各季度销售额散点图”，直接上完整代码，这是能直接复现的：

import matplotlib.pyplot as plt # 1. 全局字体设置 plt.rcParams['font.sans-serif'] = ['Microsoft YaHei', 'SimHei', 'Arial'] plt.rcParams['axes.unicode_minus'] = False # 2. 数据 quarters = ['Q1(一季度)', 'Q2(二季度)', 'Q3(三季度)', 'Q4(四季度)'] sales = [125, 180, 210, 165] # 3. 绘图 plt.figure(figsize=(8, 5)) plt.scatter(quarters, sales, s=80, c=['#1f77b4', '#ff7f0e', '#2ca02c', '#d62728']) plt.title('各季度销售额散点图') plt.xlabel('季度') plt.ylabel('销售额（万元）') plt.grid(True, linestyle='--', alpha=0.5) plt.show()

假如这里运行出来仍然有小方块，大概率是你的Microsoft YaHei字体文件名是msyh.ttc，matplotlib 对 TTC 格式的兼容性略差。解决办法是换用SimHei或者下载单独的 TTF 格式字体。Windows 自带的黑体是simhei.ttf，一般都能被正常识别。

3.3 字体文件放在哪更合适

如果你走的是动态注册路线，字体文件的存放位置也有讲究。不要随便丢在临时目录，否则脚本换台机器就跑不动。建议在项目里建一个fonts/目录，把字体文件统一放在里面，然后通过绝对路径引用。如果你的脚本要给别人用，还可以用os.path.join拼接路径，增强可移植性：

import os import matplotlib.font_manager as fm base_dir = os.path.dirname(os.path.abspath(__file__)) font_path = os.path.join(base_dir, 'fonts', 'SimHei.ttf') fm.fontManager.addfont(font_path)

这样做的好处是，整个项目目录拷贝到任何机器上都能运行。我习惯在团队里统一维护一个fonts文件夹，里面放思源黑体的几个字重文件，这样大家画出来的图风格一致。

3.4 确认修复成功：如何快速判断

修复后，不要只看图是否正常，还要注意看终端有没有警告。如果字体匹配失败，matplotlib 会打印类似findfont: Font family 'SimHei' not found的警告。输出图形正常但终端有警告，说明这次虽然显示了，但下一次可能又找不到。可以写一个自定义字体管理器方法：

import warnings import matplotlib.pyplot as plt with warnings.catch_warnings(): warnings.simplefilter("error") plt.rcParams['font.sans-serif'] = ['SimHei']

这样可以将警告升级为异常，方便在 CI 中检测问题。

4. 中文乱码延伸出来的两个高频场景：负号与子图图例

4.1 负号显示成方框的解决技巧

这个我在前面提了一嘴，但值得单独说。很多人设置完中文字体后，正数正常，一遇到负数坐标就显示为方框。原因是轴的刻度默认使用 Unicode 字符 U+2212 作为负号，而这个字符在许多中文字体中不存在。解决办法就是全局设置：

plt.rcParams['axes.unicode_minus'] = False

设置为 False 之后，matplotlib 会改用 ASCII 连字符（-），这样就不会受中文字体限制。如果你不想改全局，也可以在坐标格式器上设置：

import matplotlib.ticker as ticker ax.yaxis.set_major_formatter(ticker.FormatStrFormatter('%g'))

这会把负号也转成普通 ASCII 字符，道理相同。不过我始终推荐改 rcParams，简单且不易遗漏。

4.2 图例和子图中的中文怎么处理

图例乱码和标题乱码原理完全一致，但处理时有一个小坑：如果你使用了label参数，并且全局字体设置生效，图例就会正常；但如果你手动创建了单独的图例对象，可能还要重新指定字体：

plt.legend(prop={'family': 'SimHei'})

对于子图，很多人会在plt.subplots()后忘记设置字体，导致每个子图的标题和刻度乱码。最保险的做法是使用plt.rcParams全局设置后，子图不需要额外操作。但要注意，如果你在一个脚本中混用了不同字体，子图之间可能会互相干扰，最好用一个命名规范。比如：

fig, axes = plt.subplots(2, 2, figsize=(10, 8)) axes[0, 0].plot(...) axes[0, 1].plot(...)

这里只要开头设置了 font.sans-serif，所有子图的标题、坐标轴都会正常，不需要每个轴都设置。

4.3 跨平台脚本的字体兼容方案

如果你要在 Windows、macOS、Linux 三端运行同一套绘图脚本，直接写死SimHei在 macOS 上就会失效。这就需要做平台判断：

import platform import matplotlib.pyplot as plt system = platform.system() if system == 'Windows': font_list = ['Microsoft YaHei', 'SimHei'] elif system == 'Darwin': font_list = ['PingFang SC', 'Heiti SC', 'Songti SC'] else: font_list = ['Noto Sans CJK SC', 'WenQuanYi Zen Hei'] plt.rcParams['font.sans-serif'] = font_list plt.rcParams['axes.unicode_minus'] = False

这是一个万金油配置，虽然不能保证每个系统都完美，但至少不会出大毛病。在 macOS 上，PingFang SC是系统默认中文字体，matplotlib 一般能识别。Linux 上如果没有Noto Sans CJK SC，需要安装fonts-noto-cjk包，或者用方案二动态加载字体文件。

5. 常见问题与排查技巧实录

5.1 速查表：乱码场景与解决路径

5.2 细节坑：配置被覆盖和缓存遗忘

比较隐蔽的一个情况是，你在 A 文件开头设置了plt.rcParams['font.sans-serif']=['SimHei']，但后来在 B 文件或同一个脚本后面又调用了plt.style.use('seaborn')之类的样式，这个样式会重置 rcParams，导致中文字体设置失效。解决方法是把字体设置放在plt.style.use之后，或者使用plt.rcParams.update({'font.sans-serif': ['SimHei']})强制更新。

还有缓存问题，matplotlib 首次运行时会扫描系统中所有字体，生成一个缓存文件在用户目录的.matplotlib文件夹下。当新装了中文字体后，matplotlib 仍然使用旧缓存，导致识别不到。解决方法：

rm -rf ~/.matplotlib

或者直接用 Python 删：

import matplotlib import shutil cache_dir = matplotlib.get_cachedir() shutil.rmtree(cache_dir)

清掉之后，下次运行会自动重建缓存，新字体就被识别了。这个操作非常简单，但能解决一大批“明明安装了字体却不生效”的案例。

5.3 进阶：将中文字体嵌入 PDF/SVG 文件

如果你不是只在屏幕上看看，而是要把图片保存后发给别人，还要注意保存图片时是否嵌入了字体。SVG 格式默认会把字体路径记录下来，别人打开时如果系统没有对应字体，可能在他们的电脑上显示乱码。解决办法是在保存时指定字体嵌入方式：

plt.savefig('output.svg', format='svg', bbox_inches='tight')

对于 SVG，matplotlib 生成的路径会通过字体对象来引用文本，通常编辑器能自动处理。更稳妥的是输出高分辨率的 PNG，并使用dpi参数：

plt.savefig('output.png', dpi=300, bbox_inches='tight')

300 DPI 足够印刷，而且渲染时就固定了字形，不会受到查看端字体影响。这是我的惯用做法，出论文图基本不会出错。

5.4 谈起乱码时的额外提醒：CSV 数据源中文乱码

有时候图中的中文标签本身是从文件读入的，比如读取csv文件的中文列名，如果 pandas 读进来就已经是乱码，那 matplotlib 表现出的乱码其实是数据源头的问题。排查时要先打印输出字符串看看是否正确。常见的文件编码问题要用对参数：

import pandas as pd df = pd.read_csv('data.csv', encoding='utf-8')

如果文件是 GBK 编码：

df = pd.read_csv('data.csv', encoding='GBK')

这一层不解决，就算 matplotlib 字体设得再好，图上也只会显示你读进来的乱码字符。所以遇到中文乱码，先分清是“字体导致的方框”还是“数据源导致的乱码”，两者的处理路径完全不同。

6. 工具选型推荐：中文字体选择与编辑器配置

6.1 系统字体怎么看、怎么选

Windows 下打开C:\Windows\Fonts，能看到simhei.ttf、msyh.ttc、simsun.ttc等文件。建议在项目字体文件夹中保留SimHei.ttf和msyh.ttc的副本，但要注意微软雅黑的 TTC 文件在部分 matplotlib 版本中可能加载失败，如果遇到问题，就换用黑体。Linux 下可用fc-list :lang=zh查看已安装中文字体：

fc-list :lang=zh

如果输出为空，先安装：

sudo apt install fonts-noto-cjk

macOS 可以在“字体册”里查看，一般系统自带PingFang.ttc，但 matplotlib 可能只识别为PingFang SC，需要单独测试。我的测试结论是 Matplotlib 3.6 之后对 macOS 的 PingFang 支持已经比较友好，但仍有偶发警告。

6.2 推荐使用的开源免费字体

如果你的需求是公开出版或者商业用途，务必谨慎。微软雅黑等字体有商业授权限制，更适合用开源字体。我最常用的开源字体有两个：思源黑体（Source Han Sans SC）和文泉驿正黑（WenQuanYi Zen Hei）。思源黑体的字形现代、清晰度高，包含简体/繁体/日文/韩文等多字重，最推荐。从 GitHub 下载后解压，把 TTF 或 OTF 文件放在fonts/目录，再用fm.fontManager.addfont()注册即可。

字体下载后要检查大小，正规思源黑体单个 OTF 文件大约 15 MB 左右，如果某个网站给你的文件只有几百 KB，那多半是裁剪版或者非官方版本，加载可能出问题。建议直接从官方 GitHub 仓库 release 页面下载。

6.3 IDE 与终端的中文输出配合

虽然本文主题是 matplotlib，但很多人在 IDE 的终端里输出中文也是乱码，这会影响调试。如果是在 Windows 的 VSCode 终端中运行 Python 脚本，输出中文全是乱码，可能不是 matplotlib 的问题，而是 Python 控制台编码问题。推荐在脚本开头加：

import sys import io sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8')

或者更稳妥地，将项目文件统一保存为 UTF-8 编码，并在系统区域设置中勾选“Beta: 使用 Unicode UTF-8 提供全球语言支持”。不过后者会影响整个系统，谨慎开启。对于仅调试，建议用环境变量：

set PYTHONIOENCODING=utf-8

这样设置后，控制台输出的中文也能正常显示。注意，这类设置优先级高于脚本内的sys.stdout重写，更适合临时解决问题的场景。

7. 规避乱码的架构思维：把字体配置做成公共模块

7.1 写一个mpl_config.py公共配置模块

经验丰富之后，你不会在每个脚本里重复写字体配置，而是会把它抽成一个公共模块。比如项目中新建mpl_config.py：

# mpl_config.py import platform import matplotlib.pyplot as plt def setup_chinese_font(): system = platform.system() font_candidates = { 'Windows': ['Microsoft YaHei', 'SimHei'], 'Darwin': ['PingFang SC', 'Heiti SC'], 'Linux': ['Noto Sans CJK SC', 'WenQuanYi Zen Hei', 'SimHei'] } plt.rcParams['font.sans-serif'] = font_candidates.get(system, ['SimHei']) plt.rcParams['axes.unicode_minus'] = False

然后在绘图脚本中调用：

from mpl_config import setup_chinese_font setup_chinese_font()

这样新同事接手项目时，不需要去看冗长的配置代码，只需要调用一个函数，就能保证所有图表不出现中文乱码。在团队协作中，这种方式能极大减少“在哪儿配置字体”的沟通成本。

7.2 在绘图函数中使用字体参数复用

如果你的项目中有大量相似图表，可以统一使用自定义绘图函数，把字体配置封装进去：

def create_figure(title, x, y, xlabel, ylabel): setup_chinese_font() fig, ax = plt.subplots() ax.plot(x, y) ax.set_title(title) ax.set_xlabel(xlabel) ax.set_ylabel(ylabel) return fig, ax

这样既保证了字体风格统一，也便于后续统一调整样式。真正把“解决乱码”这一步从每次画图前的重复劳动，变成了一次性的系统工程。

8. 结合热搜词补充：雷达图、散点图与图例中的中文细节

8.1 雷达图中的中文标签处理

雷达图常用于展示多维数据，比如团队能力评估、产品维度分析。我在画雷达图时就遇到过中文标签重叠和乱码叠加的问题。乱码部分还是老办法，全局设置字体即可。但要注意雷达图的刻度标签和角度标签都很多，建议把字体调小一点：

plt.rcParams.update({ 'font.size': 10, 'font.sans-serif': ['SimHei'] })

同时用polar=True创建极坐标子图时，需要自己设置角度标签：

ax.set_xticks(np.linspace(0, 2*np.pi, len(labels), endpoint=False)) ax.set_xticklabels(labels)

这里labels就是中文列表，只要字体设对，渲染完全正常。

8.2 散点图透明度与网格中的中文

散点图的中文乱码主要体现在图例或数据标签上。比如标注特定点，可以用annotate：

plt.annotate('异常点', xy=(x, y), fontproperties=prop)

或者用ax.text。如果还想显示上标下标，比如“温度(℃)”里面的 ℃，就需要确保字体包含该符号。微软雅黑和思源黑体都支持。网格线的中文则很少涉及，但在图例中会有一个坑：直接设置label='中文标签'后如果还乱码，可以单独重设图例字体：

leg = ax.legend() for text in leg.get_texts(): text.set_fontname('SimHei')

这种方法适合特殊情况下，图例文字和全局字体不相同时候强制覆盖。

9. 踩坑实录与个人心得

9.1 那次我在服务器上折腾了两小时

有一次我把本地跑得好好的数据脚本迁移到一台干净的 CentOS 服务器，画图时全是方框。当时第一反应是安装中文字体，于是登录 root 执行yum install -y fontconfig，然后手动下载simhei.ttf放到/usr/share/fonts/，fc-cache -fv刷新后，fc-list已经能看到 SimHei 了，但用 Python 运行时仍然报findfont: Font family 'SimHei' not found。最后才发现，CentOS 上的 matplotlib 是通过pip安装在虚拟环境里的，它没有读取系统的字体目录，而是依赖自己的字体缓存路径。我执行了rm -rf /root/.cache/matplotlib后，重新运行，它重新扫描到了系统字体，问题才真正解决。所以清缓存这个操作，比装字体还重要。

9.2 不要盲目复制网上的代码，先跑通最小案例

网上 90% 的教程会给你这段代码：

plt.rcParams['font.sans-serif'] = ['SimHei']

但是在 Mac 上，SimHei 根本不存在，所以复制过来照样乱码。我的建议是，任何新环境先执行一个最小复现脚本：

import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'PingFang SC'] plt.rcParams['axes.unicode_minus'] = False plt.title('中文测试') plt.show()

如果显示正常，再往大项目里移植；如果不正常，根据警告信息查问题，这样定位效率极高。盲目改代码只会让自己越改越乱。

9.3 利用font_manager自定义回退顺序优化体验

我还会直接创建一个回退字典，把不同字体的优先级拆分：

plt.rcParams['font.sans-serif'] = [ 'PingFang SC', 'Microsoft YaHei', 'SimHei', 'Noto Sans CJK SC', 'WenQuanYi Zen Hei' ]

这样在 Mac 上用苹方，Windows 上用微软雅黑，Linux 上用 Noto，在不同系统上都有不错的显示效果。设置完成后，再调用一次检测函数：

from matplotlib import font_manager available = {f.name for f in font_manager.fontManager.ttflist} print([f for f in plt.rcParams['font.sans-serif'] if f in available])

如果打印出来一个或几个可用字体，说明回退机制能正常工作。这一招很实用，尤其适合你写了平台自动切换逻辑的时候。

9.4 最后分享一个小技巧

如果图形上有需要手动标注的中文文本，可以用ax.annotate时单独指定fontproperties，但更省事的是在rcParams中设置默认字号和字体，然后依赖默认值。我在团队里常常把字体配置和绘图风格一起封装，例如：

import matplotlib.pyplot as plt plt.rcParams.update({ 'font.family': 'sans-serif', 'font.sans-serif': ['Noto Sans CJK SC', 'Microsoft YaHei'], 'axes.unicode_minus': False, 'figure.dpi': 120, 'savefig.dpi': 300, })

这样一来，所有图形默认就是高清、中文正常、负号正常。关键是把这些配置写在一个独立的配置文件里，其他脚本直接import，而不是复制粘贴。

10. 扩展：从乱码到图表美观，还有这些细节值得做

中文不再乱码只是第一步，接下来很多刚入门的朋友会遇到字体大小、标签重叠、图例遮挡等问题，这些虽然不是“乱码”，但和字体设置息息相关。既然你已经把rcParams握在手里，不如顺手把图表美观性一起提升。

调整全局字号：

plt.rcParams.update({ 'font.size': 12, 'axes.titlesize': 16, 'axes.labelsize': 13, 'xtick.labelsize': 11, 'ytick.labelsize': 11, 'legend.fontsize': 10, })

这个配置比每次单独设置fontsize高效得多。再配合tight_layout()或bbox_inches='tight'，中文标签基本不会因为边界裁剪而消失。

另外，很多人会遇到保存的 PDF 中文字符变窄的问题，这是因为 PDF 引擎只嵌入字体子集，但 matplotlib 通常能正常嵌入。如果担心，可以选择保存为ps或直接通过矢量图工具二次转换。我的实践是，向期刊投稿时使用 600 DPI 的 TIFF，或者 EPS，但 EPS 对中文字体兼容性略差，所以还是以 PDF 优先。

从日常使用场景来说，如果你是学生交作业、工程师做调试，其实只要学会全局rcParams设置就足够应付 95% 的场景。剩下 5% 的奇葩环境，多看终端警告，多清缓存，多动态加载 TTF，也基本能解决。我先讲到这里，后面如果你们在实际操作中遇到更奇怪的乱码情况，欢迎按本文的排查思路一步步走一遍，大概率都能自己解决。