一.柱形图-折线图
# 导入需要用的图表类
import pyecharts.options as opts
from pyecharts.charts import Bar,Line,Scatter,Pie
x_data = ["2014年", "2015年", "2016年", "2017年", "2018年", "2019年", "2020年", "2021年"]
#绘制柱形图
bar = (
Bar()
.add_xaxis(xaxis_data=x_data)
.add_yaxis(
series_name="诊疗量",
y_axis=[50000.0, 40000.9, 60000.0, 70000.2, 90200.2, 91000.7, 95000.6, 55000.6],
label_opts=opts.LabelOpts(is_show=False),
z =2,
)
.extend_axis(
yaxis=opts.AxisOpts(
name="同比增速(%)",
type_="value",
min_=-20,
max_=20,
interval=10,
axislabel_opts=opts.LabelOpts(formatter="{value} "),
)
)
.set_global_opts(
tooltip_opts=opts.TooltipOpts( #提示框配置项
is_show=True, trigger="axis", axis_pointer_type="cross" # trigger="axis" 触发类型。'axis': 坐标轴触发,主要在柱状图,折线图等会使用类目轴的图表中使用。
),
title_opts=opts.TitleOpts(title="2014-2021年中国中医类医疗卫生机构诊疗量", pos_top="5%",pos_bottom="80%",pos_left="30%",pos_right="45%"),
legend_opts=opts.LegendOpts(is_show=False,pos_top="20%"),
xaxis_opts=opts.AxisOpts(
type_="category", # 'category': 类目轴,适用于离散的类目数据,为该类型时必须通过 data 设置类目数据。
axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow"), #x轴的坐标轴指示器配置项
),
yaxis_opts=opts.AxisOpts(
name="诊疗量(万人次)",
type_="value",
min_=0, #设置刻度范围,最小值
max_=100000, #最大值
interval=50000, # 设置刻度间隔
axislabel_opts=opts.LabelOpts(formatter="{value} "),
axistick_opts=opts.AxisTickOpts(is_show=True), # 设置轴的刻度线
splitline_opts=opts.SplitLineOpts(is_show=True), # 设置轴的轴线
),
)
)
#绘制折线图
line = (
Line()
.add_xaxis(xaxis_data=x_data)
.add_yaxis(
series_name="同比增速(%)",
# 使用的 y 轴的 index,在单个图表实例中存在多个 y 轴的时候有用。
yaxis_index=1, # 第一条y轴索引为0,第二条y轴索引为1
y_axis=[2.0, 2.2, 3.3, 4.5, 6.3, 10.2, 10.3, 13.4, 23.0, 16.5, 12.0, 6.2],
z = 3, # z值小的图形会被z值大的图形覆盖
)
)
#使用overlap将柱形图和折线图叠加在同一张图上
#展示图表(渲染图表)
bar.overlap(line).render_notebook() # 柱形图 层叠 折线图
效果图如下:
二.圆环图
from pyecharts import options as opts
from pyecharts.charts import Bar,Line,Scatter,Pie,Grid
from pyecharts.faker import Faker
# 使用官网示例代码的关键是研究明白输入的数据格式
data = [['20岁以下', 40], ['20-30岁', 50], ['31-40岁', 70], ['41-50岁', 30],['51岁以上',50]]
c = (
Pie()
.add("", data ,
radius=["20%", "35%"], # 挖掉的直径,整张饼的直径 (百分数指的是占画布中高和宽中小的那一项的比例)
)
.set_global_opts(
title_opts=opts.TitleOpts(title="中药材消费者画像数据", pos_top="20%",pos_bottom="80%",pos_left="40%",pos_right="45%"),
legend_opts=opts.LegendOpts(is_show=False,pos_top="20%"),
)
)
#展示图表(渲染图表)
c.render_notebook()
效果图如下:
三.堆积柱形图
# 柱状堆叠图
import random
import pyecharts.options as opts
from pyecharts.charts import Bar
goods = ['2019年', '2020年', '2021年', '2022年', '2023年']
bar = (
Bar()
.add_xaxis(goods)
.add_yaxis('', [random.randint(6, 60) for _ in range(6)], stack='stack1',bar_width="40%")
.add_yaxis('', [random.randint(6, 60) for _ in range(6)], stack='stack1',bar_width="40%",color='orange')
# .add_yaxis('', [random.randint(10, 100) for _ in range(6)], stack='stack1')
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.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="5%",pos_bottom="80%",pos_left="30%",pos_right="45%"),
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=35)),
#xaxis_opts=opts.AxisOpts(name='品类'),
#yaxis_opts=opts.AxisOpts(name='销量(单位:件)'))
)
)
#展示图表(渲染图表)
bar.render_notebook()
效果图如下:
四.雷达图
from pyecharts import options as opts
from pyecharts.charts import Radar
radar = (
Radar()
.set_colors(["green"])
.add_schema(
schema=c_schema,
shape="circle",
center=["50%", "50%"],
radius="80%",
angleaxis_opts=opts.AngleAxisOpts(
min_=0,
max_=360,
is_clockwise=False,
interval=5,
axistick_opts=opts.AxisTickOpts(is_show=False),
axislabel_opts=opts.LabelOpts(is_show=False),
axisline_opts=opts.AxisLineOpts(is_show=False),
splitline_opts=opts.SplitLineOpts(is_show=False),
),
radiusaxis_opts=opts.RadiusAxisOpts(
min_=0,
max_=50,
interval=10,
splitarea_opts=opts.SplitAreaOpts(
is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
),
),
polar_opts=opts.PolarOpts(),
splitarea_opt=opts.SplitAreaOpts(is_show=False),
splitline_opt=opts.SplitLineOpts(is_show=False),
)
.add(
series_name="销售占比",
data=data,
areastyle_opts=opts.AreaStyleOpts(opacity=0.1),
linestyle_opts=opts.LineStyleOpts(width=1),
)
.set_global_opts( legend_opts=opts.LegendOpts(is_show=False),
title_opts=opts.TitleOpts(title="全国药店中药饮品供应商占比", pos_left="center")
)
)
#展示图表(渲染图表)
radar.render_notebook()
效果图如下:
将柱形图-折线图,圆环图,堆积柱形图绘制在同一张表中
# 导入需要用到的图表类
from pyecharts import options as opts
from pyecharts.charts import Bar, Grid, Line,Pie,Radar
#1.绘制柱形图
#x轴数据
x_data = ["2014","2015","2016","2017","2018","2019","2020","2021"]
#标签名
legend_list = ["诊疗量(万人次)", "同比增速(%)"]
#"诊疗量(万人次)"的数据
value1 =[87430, 90912,96225,101885,107147,116390,105764,120215]
#"同比增速(%)的数据
value2 = [7.40,4.00,5.83,5.81,5.16,8.63,-9.31,13.66]
#绘制柱形图
bar = (
Bar(init_opts=opts.InitOpts(width="1000px", height="500px")) #设置柱形图宽度与高度
.add_xaxis(xaxis_data=x_data) #添加x轴的数据
.add_yaxis(
series_name="诊疗量(万人次)", #图例名:诊疗量(万人次)
y_axis=value1, ##y轴柱形图数据
yaxis_index=1, #表示y轴的索引,用于拥有多个y轴的单图表中。
# label_opts=opts.LabelOpts(is_show=False), #不显示柱形图数据
color='pink',
z=0
)
.extend_axis(
yaxis=opts.AxisOpts(
name="诊疗量(万人次)", #y轴名称
type_="value",
min_=0, #y轴最小值:0
max_=150000, #y轴最大值:150000
position="left" #位于y轴左侧
)
)
.extend_axis(
yaxis=opts.AxisOpts(
name="同比增速(%)", #y轴名称
type_="value",
min_=-20, #y轴最小值:-20
max_=20, #y轴最大值:20
position="right", #位于y轴右侧
)
)
.set_global_opts( #设置全局配置项
title_opts=opts.TitleOpts(title="2014-2021年中国中医类医疗卫生机构诊疗量",
pos_left='center'), #标题名称
legend_opts=opts.LegendOpts(is_show=False), #不显示图例
tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"), #显示提示框组件
)
.set_series_opts(
itemstyle_opts=opts.ItemStyleOpts( #图元样式配置项
opacity=0.5), #设置柱形图透明度:0.5
)
)
# 绘制折线图
line = (
Line() #创建Line类的对象
.add_xaxis(x_data) #添加x轴的数据
.add_yaxis(
series_name="同比增速(%)", #图例名:同比增速(%)
y_axis=value2, #y轴折线图数据
yaxis_index=2, #表示y轴的索引,用于拥有多个y轴的单图表中。
)
.set_series_opts(
linestyle_opts=opts.LineStyleOpts(width= 2)
)
)
#3.堆积柱形图
x_data=['2019年','2020年','2021年','2022年','2023年']
data1 = [20.3,22.0,23.5,22.5,22.3] # 跨国企业占比
data2 = [79.7,78.0,76.5,77.5,77.7] # 本土企业占比
stack = (
Bar()
.add_xaxis(x_data)
.add_yaxis("跨国企业占比", data1, stack="stack1", category_gap="20%", #stack="stack1":堆积柱形图
xaxis_index=1,
yaxis_index=3,
label_opts=opts.LabelOpts(is_show=False) #不显示柱形图数据
)
.add_yaxis("本土企业占比", data2, stack="stack1", category_gap="80%",
xaxis_index=1,
yaxis_index=3,
label_opts=opts.LabelOpts(is_show=False) #不显示柱形图数据
)
.set_global_opts( #设置全局配置项
title_opts=opts.TitleOpts(title="全国药店中药饮片供应商占比", #标题名称
pos_left='34%',
pos_top="52%"),
legend_opts=opts.LegendOpts(is_show=False ), #不显示图例
tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"), #显示提示框组件
yaxis_opts=opts.AxisOpts(min_=0,max_=100, #y轴刻度范围0—100
interval=25 #y轴刻度范围分为25一组
),
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=45) #x轴标签旋转45°
)
)
)
# 注意:绘制环形图(放在堆积图后面)
#添加标签与数值
labels=[('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)]
# 准备数据
data = [['20岁以下', 40], ['20-30岁', 50], ['31-40岁', 70], ['41-50岁', 30],['51岁以上',50]]
# 绘制圆环图
pie = (
Pie()
.add("", data ,
radius=["20%", "35%"], # 挖掉的直径,整张饼的直径 (百分数指的是占画布中高和宽中小的那一项的比例)
center=["20%","80%"]
)
.set_global_opts(
title_opts=opts.TitleOpts(title="中药材消费者画像数据", pos_top="50%",pos_bottom="30%",pos_left="10%",pos_right="90%"),
legend_opts=opts.LegendOpts(is_show=False,pos_top="20%"),
)
)
c=bar.overlap(line) #柱形图-折线融合(放在其他实例后面,不然会排版错乱)
#5.创建一个组合图表实例(数据填充格式为:其他图表实例,Bar,Line,Pie,Scatter)
grid = (
Grid() #GridOpts:直角坐标系网格配置项
.add( c,
grid_opts=opts.GridOpts(pos_bottom="60%"), #grid 组件离容器下侧的距离
is_control_axis_index=True
)
.add(stack,
grid_opts=opts.GridOpts(pos_bottom="10%",
pos_top="60%",
pos_left="35%",
pos_right="40%"
),
is_control_axis_index=True
)
.add(pie,
grid_opts=opts.GridOpts(pos_bottom="5%",
pos_top="60%",
pos_left="10%",
pos_right="90%"
),
is_control_axis_index=True
)
)
# 通过联合调整pos_bottom,pos_top,pos_left, pos_right 这四个参数,实现并行组合图表中的任意布局
grid.render_notebook()
效果图如下: