表1. 2014-2021年中国中医类医疗卫生机构诊疗量
年份(年) | 诊疗量(万人次) | 同比增速(%) |
2014 | 87430 | 7.40 |
2015 | 90912 | 4.00 |
2016 | 96225 | 5.83 |
2017 | 101885 | 5.81 |
2018 | 107147 | 5.16 |
2019 | 116390 | 8.63 |
2020 | 105764 | -9.13 |
2021 | 120215 | 13.66 |
表2. 中药材消费者画像数据
年龄 | 占比(%) |
20岁以下 | 2.2 |
20-30岁 | 27.9 |
31-40岁 | 56.2 |
41-50岁 | 10.9 |
51岁以上 | 2.8 |
表3. 全国药店中药饮片供应商占比情况
年份(年) | 跨国企业占比(%) | 本土企业占比(%) |
2019 | 20.3 | 79.7 |
2020 | 22.0 | 78.0 |
2021 | 23.5 | 76.5 |
2022 | 22.5 | 77.5 |
2023 | 22.3 | 77.7 |
表4. 全国药店药品销售额占比
药品类型 | 占比(%) |
化学药 | 33 |
中成药 | 45 |
生物制品 | 3 |
医疗器械 | 9 |
中药饮片 | 6 |
保健品 | 4 |
# 1、导入需要用到的图表类和模块
from pyecharts import options as opts
from pyecharts.globals import ThemeType
from pyecharts.charts import Bar, Grid, Line, Radar, Pie
from pyecharts.commons.utils import JsCode
# 2、柱形折线融合图
# 准备数据
data1 = ['2014', '2015', '2016', '2017', '2018', '2019', '2020', '2021']
v1 = [87430,90912,96225,101885,107147,116390,105764,120215]
v2 = [7.40,4.00,5.83,5.81,5.16,8.63,-9.13,13.66]
# 若要设置系列配置项,要传入add()或add_XX()方法中(直角坐标系图表一般使用add_yaxis()方法)
# 柱形实例
# 采用链式调用,简化同一对象多次访问属性或调用方法的编码方式,以避免多次重复使用同一个对象变量
bar1 = (
Bar()
.add_xaxis(data1) # 调用add_xaxis()和add_yaxis()为柱形图添加x轴和y轴数据
.add_yaxis("诊疗量" , # series_name:系列的名称,显示于提示框和图例中
v1, # y_axis:系列的数据
z=0, # 在这里面加z=0,就可以让折线图在柱形图上面
color="#5793f3", # 稍微修改下颜色
xaxis_index=0,
yaxis_index=0)
.extend_axis(
yaxis=opts.AxisOpts # 坐标轴配置项
( name="同比增速(%)",
min_= -20,
max_= 20,
axislabel_opts=opts.LabelOpts(formatter="{value}%"), #标签配置项
axisline_opts=opts.AxisLineOpts #坐标轴轴脊配置项
(
linestyle_opts=opts.LineStyleOpts(color="#d14a61") #线条样式配置项
),
)
)
.set_series_opts(label_opts=opts.LabelOpts(is_show=True)) #显示柱形图标签
.set_global_opts #若要设置全局配置项,要传入set_global_opts()方法
(
yaxis_opts=opts.AxisOpts(
name="诊疗量(万人次)",
axisline_opts=opts.AxisLineOpts(
linestyle_opts=opts.LineStyleOpts(color="#5793f3")
)),
title_opts=opts.TitleOpts(title="2014-2021年中国中医类医疗卫生机构诊疗量"),#标题组件的配置项
legend_opts=opts.LegendOpts(pos_right="10%")
)
)
# 折线实例
line1 = Line().add_xaxis(data1).add_yaxis("同比增速", #series_name:系列的名称,显示于提示框和图例中
v2, #y_axis:系列的数据
xaxis_index=0,
yaxis_index=1 ) #y轴的索引,用于拥有多个y轴的单图表
# 3、柱形堆积图
# 准备数据
x_years =['2019年', '2020年','2021年', '2022年','2023年'] #横坐标数据
y1 = [20.3, 22.0, 23.5, 22.5, 22.3] #纵坐标数据1
y2 = [79.7, 78.0, 76.5, 77.5, 77.7] #纵坐标数据2
# 柱形实例
bar2 = (
Bar()
.add_xaxis([2019, 2020, 2021, 2022, 2023])
.add_yaxis("跨国企业占比",
list1,
stack="stack1", # 数据堆叠,同个类目轴上stack值相同可堆叠
xaxis_index=1,
yaxis_index=2)
.add_yaxis("本土企业占比",
list2,
stack="stack1",
xaxis_index=1,
yaxis_index=2)
.set_series_opts(
label_opts=opts.LabelOpts(
formatter=JsCode(
"function(x){return Number(x.data.percent * 100).toFixed() + '%';}"
),
)
)
.set_global_opts(title_opts=opts.TitleOpts(title='全国药店中药饮片供应商占比情况',
pos_top="50%", pos_left="35%"),
legend_opts=opts.LegendOpts(is_show=False))
)
# 4、圆环图实例,要放直角坐标系图表的实例下面,不然会乱哦
pie2 = (
Pie()
#添加数据
.add("", [('20岁以下', 2.2), ('20-30岁', 27.9), ('31-40岁', 56.2), ('41-50岁', 10.9), ('51岁以上', 2.8)],
center=["20%", "80%"], # 饼图的中心(圆心)坐标,默认设置成百分比,第一项是相对于容器宽度,第二项是相对于容器高度
radius=[50, 80]) # 饼图的半径,数组的第一项是内半径,第二项是外半径
#设置标题
.set_global_opts(title_opts=opts.TitleOpts(title='中药材消费者画像数据',pos_top="50%"),
legend_opts=opts.LegendOpts(is_show=False))
)
overlap_1 = bar1.overlap(line1)
grid = (
Grid(init_opts=opts.InitOpts())
.add(
overlap_1, grid_opts=opts.GridOpts(pos_bottom="58%"),
# 是否由自己控制 Axis 索引,一定要打开,因为我们这里有两个直角坐标系图表
is_control_axis_index=True
)
# 并行组合图表的任意布局
.add(bar2, grid_opts=opts.GridOpts(pos_top="58%", pos_bottom="5%", pos_left="40%", pos_right="35%"),
is_control_axis_index=True)
.add(pie2, grid_opts=opts.GridOpts(pos_top="58%", pos_right="65%"), is_control_axis_index=True)
)
# 5、渲染图表
grid.render_notebook()