matplotlib多图并排实例

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

要求将数据可视化之后，排布到一张画布中，如下图所示：

完整实例代码

import matplotlib
import numpy as np
import matplotlib.pyplot as plt 
import matplotlib.gridspec as gridspec
matplotlib.rcParams['font.sans-serif'] = ['SimHei']

fig2 = plt.figure()
spec2 = gridspec.GridSpec(nrows=2, ncols=3,figure=fig2, wspace=1,hspace=0.3)
ax1 = fig2.add_subplot(spec2[0,:])
ax1.set_title("2014-2021年中国中医类医疗卫生机构诊疗量")
ax2 = fig2.add_subplot(spec2[1,0])
ax2.set_title("中药材消费者画像")
ax3 = fig2.add_subplot(spec2[1,1])
ax3.set_title("全国药店中药饮片供应商占比")
ax4 = fig2.add_subplot(spec2[1,2], projection='polar')
ax4.set_title("全国药店药品销售占比")

#1,柱形和折线的融合图
x = [2014,2015,2016,2017,2018,2019,2020, 2021]
y = [7.40, 4.00, 5.83, 5.81, 5.16, 8.63, -9.13, 13.66]
z = [87430, 90912, 96225, 101885, 107147, 116390, 105764, 120215]

# 绘柱状图
ax1.bar(x=x, height=z, label='诊疗量（万人次）', color='Coral', alpha=0.8)

# 在左侧显示图例
ax1.legend(loc="upper left")
 
# 设置标题
#ax1.set_title("2014-2021年中国中医类医疗卫生机构诊疗量")
# 为坐标轴设置名称

ax1.set_ylabel("诊疗量（万人次）")
 
# 画折线图
ax02 = ax1.twinx()
ax02.set_ylabel("同比增速（%）")
# 设置坐标轴范围
ax02.set_ylim([-20, 20]);
plt.plot(x, y, marker='^',color='#9400d3',  ms=10, linewidth='1', label="同比增速（%）")

# 在右侧显示图例
plt.legend(loc="upper right")
plt.savefig("同比增速（%）")


#2,饼图
ratios = [2.2, 27.9, 56.2, 10.9, 2.8]  #各年龄段用户比例
labels = ['20岁以下', '20-30岁', '31-40岁', '41-50岁', '51岁以上']
ax2.pie(ratios, labels = labels,
        textprops={'fontsize':6},
        wedgeprops={'width': 0.5},
        pctdistance=0.75,
        autopct='%3.1f%%',
        startangle=1)

#3,堆积柱形图
x_labels = ['2019年','2020年','2021年','2022年','2023年']
year_x2 = np.arange(2019,2024,1)
data1 = np.array([20.3,22.0,23.5,22.5,22.3])
data2 = np.array([79.7,78.0,76.5,77.5,77.7])

ax3.bar(year_x2,data1)
ax3.bar(year_x2, data2, bottom=data1)

ax3.set_xticks(year_x2)
ax3.set_xticklabels(x_labels, rotation=60)

#4,雷达图
dim_num = 6
radians = np.linspace(0, 2* np.pi, dim_num, endpoint=False)
radians = np.concatenate((radians, [radians[0]]))

score = np.array([33,45,3,9,6,4])
score = np.concatenate((score, [score[0]]))

radar_labels = ['化学药','中成药','生物制品','医疗器械','中药饮片','保健品']
radar_labels = np.concatenate((radar_labels, [radar_labels[0]]))

ax4.plot(radians,score, marker='o', markersize=2, color='r')  
ax4.fill(radians,score,color='b',alpha=0.1)
angles = radians *180/np.pi #弧度转角度
ax4.set_thetagrids(angles, labels=radar_labels)

#5 展示图表
plt.show()

运行结果如下