使用pyecharts绘制并行多图

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()