【pyecharts有两种最常用的图表类型】

需求一： 请基于pyecharts，用柱形图和折线图在同一个坐标系展示表1数据，得到图1。

from pyecharts import options as opts
from pyecharts.charts import Bar, Grid, Line
 
Bar(init_opts=opts.InitOpts(width='950px', height='600px'))#指定画布大小
x_data = ["{}年".format(i) for i in range(2014, 2022)]#设置x轴
bar = (
    Bar()
    .add_xaxis(x_data)
    .add_yaxis(       
        "诊疗量(万人次)",
        [87430, 90912, 96225, 101885, 107147, 116390, 105764, 120215],#准备数据
        yaxis_index=1,
        label_opts=opts.LabelOpts(is_show=False),
        color="green",
    )
    .extend_axis(
        yaxis=opts.AxisOpts(
            name="诊疗量(万人次)",
            type_="value",
            min_=0,
            max_=150000,
            position="left",              
        )
    )
    .extend_axis(
        yaxis=opts.AxisOpts(
            type_="value",
            name="同比增速（%）",
            min_=-10,
            max_=15,
            position="right",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="orange")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} %"),
            splitline_opts=opts.SplitLineOpts(
                is_show=True, linestyle_opts=opts.LineStyleOpts(opacity=1)
            ),
        )
    )
)
#设置标题和图例
bar.set_global_opts(
                    title_opts=opts.TitleOpts(title="2014-2021年中国中医类医疗卫生机构诊疗量"),
    legend_opts=opts.LegendOpts(pos_left='42%' ),#图例距离标题边距：42%
)
 
line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis(
        "同比增速（%）",
        [7.40, 4.00, 5.83, 5.81, 5.16, 8.63, -9.13, 13.66],
        yaxis_index=2,
        color="orange",
        z=2        
    )
)
 
#bar.overlap(line)
bar.overlap(line).render_notebook()#渲染到notebook中

需求二： 请基于pyecharts，用环图展示表2数据，得到图2。

from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.commons.utils import JsCode
 
def new_label_opts():
    return opts.LabelOpts(formatter=JsCode(fn), position="center")#画布位置
c2 = (
    Pie()
    .add(
        "",
        [list(z) for z in zip(["20岁以下", "20-30岁", "31-40岁", "41-50岁", "51岁以上"], [2.2, 27.9,56.2,10.9,2.8])],#数据
        center=["20%", "30%"],#图表的中心位置
        radius=[60, 80],#表示半径
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="中药材消费者画像数据"),
          legend_opts=opts.LegendOpts(
            is_show=False
        ),
    )
    .render("mutiple_pie0.html")#效果图位置命名
)

需求三： 请基于pyecharts，用堆积柱形图展示表3数据，得到图3。

from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.globals import ThemeType
#数据准备
year_data = [2019,2020,2021,2022,2023]
list2 = [20.0,22.0,23.5,22.5,22.3]
list3 = [79.7,78.0,76.5,77.5,77.7]
c = (
    Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add_xaxis(year_data)
    .add_yaxis("跨国企业占比（%）", list2, stack="stack1", category_gap="60%")
    .add_yaxis("本土企业占比（%）", list3, stack="stack1", category_gap="60%")
    .set_series_opts(
        label_opts=opts.LabelOpts(
            position="right")
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="全国药店中药饮片供应商占比情况"))
    .render("堆积柱形图.html")
)

需求四： 请基于pyecharts，用雷达图展示表4数据，得到图4。

from pyecharts import options as opts
from pyecharts.charts import Radar
 
data = [[33,45,3,9,6,4]]
c = (
    Radar()
    .add_schema(shape="circle",#设置雷达图形状
        schema=[
            opts.RadarIndicatorItem(name="化学药", max_=50),
            opts.RadarIndicatorItem(name="中成药", max_=50),
            opts.RadarIndicatorItem(name="生物制品", max_=50),
            opts.RadarIndicatorItem(name="医疗器械", max_=50),
            opts.RadarIndicatorItem(name="中药饮片", max_=50),
            opts.RadarIndicatorItem(name="保健品", max_=50),
        ]
    )
    .add("药品占比", 
         data,
         areastyle_opts=opts.AreaStyleOpts(opacity=0.1),# 设置数据区域的透明度为0.1  (alpha)
         linestyle_opts=opts.LineStyleOpts(width=1) # 设置线条的宽度为1
        )
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        legend_opts=opts.LegendOpts(selected_mode="single"),
        title_opts=opts.TitleOpts(title="全国药店药品销售额占比"),
    )
    .render("雷达图.html")
)

需求五： 将上述图1到图4，利用“并行多图”的方式排布，得到图5。（参考示意图）

需求六： 将上述图1到图5，利用“轮播多图”的方式排布，得到图6。