绘制4个图表

%matplotlib notebook
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

# 0.【设置中文字体】
plt.rcParams['font.family'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False

fig = plt.figure()
spec = gridspec.GridSpec(2,3,figure = fig)
ax1 = plt.subplot(spec[0,:])       #在第0行进行绘图
ax2 = plt.subplot(spec[1,0],projection = 'polar')     #在第1行，第0、1列进行绘图
ax3 = plt.subplot(spec[1,1])     #在第1行，第2、3列进行绘图
ax4 = plt.subplot(spec[1,2],projection = 'polar')    #在第2行，第0列绘制极坐标
plt.tight_layout() 

# 1.【可视化第一个表格数据（柱形和折线融合图）】
# 1.1 准备数据
x=np.arange(8)
data_num = np.array([87430,90912,96225,101885,107147,116390,105764,120215]) # 诊疗量
data_speed = np.array([7.40,4.00,5.83,5.81,5.16,8.63,-9.13,13.66]) # 同比增速
bar_ev=ax1.bar(x,data_num,tick_label=['2014','2015','2016','2017','2018','2019','2020','2021'])
ax1.set_ylabel('诊疗量（万人次）')
ax1.set_title('2014-2021年中国中医类医疗卫生机构诊疗量')
ax1_right=ax1.twinx()
line=ax1_right.plot(x,data_speed,'^-m')
ax1_right.set_ylabel('同比增速（%）')

# 2.【可视化第二个表格数据(饼图)】
# 2.1 准备数据
ratios = [2.2, 27.9, 56.2, 10.9, 2.8]  # 各年龄段用户比例
ax2.set_title('中药材消费者画像')
pie_labels=np.array(['20岁以下','20-30岁','31-40岁','41-50岁','51岁以上'])
pie1=ax2.pie(ratios,radius=1,wedgeprops={'width':0.5},
             labels=pie_labels,
             autopct='%3.1f%%',pctdistance=0.75)

# 3.【可视化第三个表格数据（堆积柱形图）】

# 3.1 准备数据
x=np.arange(5)
data1 = np.array([20.3,22.0,23.5,22.5,22.3])   # 跨国企业占比
data2 = np.array([79.7,78.0,76.5,77.5,77.7])   # 本土企业占比
ax3.set_title('全国药店中药饮片供应商占比')
bar_width=0.3
ax3.tick_params(axis='x',labelrotation = 45)
bar1=ax3.bar(x,data1,tick_label=['2019年','2020年','2021年','2022年','2023年'],width=bar_width)
bar2=ax3.bar(x,data2,bottom=data1,width=bar_width)


# 4.【可视化第四个表格数据（雷达图）】
# 4.1 准备数据 
score = np.array([33,45,3,9,10])  # 各品类药品占比
score = np.concatenate((score, [score[0]]))  #拼接一下，构成闭环
radar_labels=['生物制药','中成药','化学药','中药饮片','保健品']    #维度标签
radar_labels = np.concatenate((radar_labels, [radar_labels[0]]))   #拼接一下，构成闭环（此处可不拼接，为了统一而已）
dim_num=len(score)-1     #维度数（因为前面拼接了一下，所以要-1）
radians = np.linspace(0, 2 * np.pi, dim_num, endpoint=False)    
radians = np.concatenate((radians, [radians[0]]))    #拼接一下，构成闭环
#4.2 创建极坐标实例，并绘制雷达图
polar = ax4.plot(radians,score)
#4.3图表辅助元素定制
angles = radians * 180/np.pi  # 弧度转角度
ax4.set_thetagrids(angles, labels=radar_labels)   #设置新的刻度标签
#填充多边形
ax4.set_title('全国药店药材销售额占比',pad=20)
plt.fill(radians,score,alpha=0.25)
# 5.【展示图表】
plt.show()

结果如下：