利用并行多图方法将柱形折线图,环形图,堆积图,雷达图融合到一张画布展现中医药市场可视化

echarts官网:https://www.echartsjs.com/index.html
pyecharts官网:https://pyecharts.org/#/zh-cn/intro
pyecharts众多图表示例代码:https://gallery.pyecharts.org/#/README
pyecharts github项目国内镜像: https://gitee.com/mirrors/pyecharts  
 

中医药数据如下表所示 

具体需求如下

让我们来了解一下什么是并行多图,以及关于并行多图的相关语法

并行多图是属于自定义图表中的一大类,自定义图表类主要有以下四种

  • Grid 类:并行显示多张图
  • Overlap 类:结合不同类型图表叠加画在同张图上
  • Page 类:同一网页按顺序展示多图
  • Timeline 类:提供时间线轮播多张图

 这里我们重点说一下Grid类

定义:用户可以自定义结合 Line/Bar/Kline/Scatter/EffectScatter/Pie/HeatMap/Boxplot 图表,将不同类型图表画在多张图上。第一个图需为 有 x/y 轴的图,即不能为 Pie,其他位置顺序任意。

Grid 类的使用:

  1. 引入 Grid类,from pyecharts import Grid
  2. 实例化Grid类,grid = Grid(),可指定page_titlewidthheightjhost参数。
  3. 使用 add() 向 grid 中添加图,至少需要设置一个grid_topgrid_bottomgrid_leftgrid_right 四个参数中的一个。grid_width 和 grid_height 一般不用设置,默认即可。
  4. 使用render() 渲染生成 `.html 文件

注意: Overlap类可放入 Grid类中,不过有个前提,Overlap 不可为多 x 轴或者多 y 轴,否则会出现坐标轴索引混乱问题 

1.导入相关模块 

%matplotlib notebook
import numpy as np
import matplotlib.pyplot as plt
# 0.【设置中文字体】
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

需求1.用柱形图和折线图在同一个坐标系展示表1数据

#导入模块
get_ipython().run_line_magic('matplotlib', 'notebook')
import numpy as np
import matplotlib.pyplot as plt
# 0.【设置中文字体】
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

import pyecharts.options as opts   
from pyecharts.charts import Bar, Line
 
#x轴数据
x_data = ["2014年","2015年","2016年","2017年","2018年","2019年","2020年","2021年"]
 
#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]
 
#链式调用
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
    )
    .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"),      #标题名称
        legend_opts=opts.LegendOpts(pos_left="40%" ),                       #图例距离左边边距:40%
        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
                     ))
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。
# #         label_opts=opts.LabelOpts(is_show=False),
#         linestyle_opts=opts.LineStyleOpts(width=2),                 #折线图宽度:2
    )) 
bar.overlap(line).render_notebook()                                   #渲染柱形-折线图搭到notebook中

运行结果如下

 需求二: 请用环图展示表2数据

from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.faker import Faker
 
#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)]
#链式调用
c = (
    Pie()                    #创建Pie类的对象
    .add(
        "",
        labels,                          #标签与数值
        center=["30%", "50%"],       # 饼图的中心(圆心)坐标,数组的第一项是横坐标,第二项是纵坐标
        radius=["30%", "60%"]        #饼图的半径,数组的第一项是内半径,第二项是外半径
    )
    .set_global_opts(                     #设置全局配置项
        title_opts=opts.TitleOpts(is_show=True,                         #显示标题
                                  title="中药材消费者画像",        #主标题
                                  subtitle="用于放映中药市场趋势"),     #副标题,
        
        legend_opts=opts.LegendOpts(is_show=False,                     #不展示图例
#                                     orient="vertical",                  #图例垂直展示
#                                     pos_top="15%",                      #图例距离标题边距
#                                     pos_left="2%"                        #图例距离左边边距
                                   )                  
    ))
#直接渲染到notebook
c.render_notebook()

运行结果如下

 需求三: 请用堆积柱形图展示表3

from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.commons.utils import JsCode
from pyecharts.globals import ThemeType
 
list1 = [
    {"value": 20.3},  #导入数据
    {"value": 22.0},
    {"value": 23.5},
    {"value": 22.5},
    {"value": 22.3},
]
list2 = [
    {"value": 79.7},
    {"value": 78.0},
    {"value": 76.5},
    {"value": 77.5},
    {"value": 77.7},
]
 
c = (
    Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add_xaxis(['2019年','2020年','2021年','2022年','2023年'])   #添加x轴数据
    .add_yaxis("跨国企业占比", list1, stack="stack1", category_gap="50%")  #添加y轴数据
    .add_yaxis("本土企业占比", list2, stack="stack1", category_gap="50%")
    .set_series_opts(
        label_opts=opts.LabelOpts(
            position="right")    #设置柱形图每一条的数据在右侧显示
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="全国药店中药饮片供应商占比情况"),  #设置全局变量
    )
)
c.render_notebook()   #渲染到notebook上

运行结果如下图所示

 需求四: 请用雷达图展示表4数据

# 1、导入需要用到的图表类和模块
from pyecharts import options as opts
from pyecharts.charts import Radar
from pyecharts.globals import ThemeType
 
# 2、准备数据
data = [[33, 45, 3, 9, 6, 4]]# 必须是二维数组,否则会集中一个指示器显示
c_schema = [
    {"name": "化学药", "max": 0, "min": 45},
    {"name": "中成药", "max": 0, "min": 45},
    {"name": "生物制品", "max": 0, "min": 45},
    {"name": "医疗器械", "max": 0, "min": 45},
    {"name": "中药饮片", "max": 0, "min": 45},
    {"name": "保健品", "max": 0, "min": 45},
]
 
# 3、绘制雷达图实例
radar = (
    Radar(init_opts=opts.InitOpts(theme=ThemeType.VINTAGE))
#     .set_colors(["#DB7093"]) # 数据点颜色,填充区域也会改变
    .add_schema(
        schema=c_schema, # 雷达指示器配置项列表
        shape="polygon", # 雷达图绘制类型,可选 'polygon' 和 'circle'
        center=["50%", "50%"], # 雷达的中心(圆心)坐标,设置成百分比时第一项是相对于容器宽度,第二项是相对于容器高度
        radius="80%", # 雷达的半径
        angleaxis_opts=opts.AngleAxisOpts( # 极坐标系的角度轴
            min_=0, # 坐标轴刻度标签最小值,这三轴刻度样式不设置也行,因为一般不显示
            max_=360, # 坐标轴刻度标签最大值
            interval=5, # 坐标轴分割间隔
            axistick_opts=opts.AxisTickOpts(is_show=False), # 轴刻度
            axislabel_opts=opts.LabelOpts(is_show=False), # 刻度标签
            axisline_opts=opts.AxisLineOpts(is_show=False), # 坐标轴轴线
            splitline_opts=opts.SplitLineOpts(is_show=False), # 坐标轴分隔线
        ),
        radiusaxis_opts=opts.RadiusAxisOpts( # 极坐标系的径向轴
            min_=0, # 设置坐标轴刻度的最小值
            max_=45, # 设置坐标轴刻度的最大值
            interval=20, # 坐标轴间隔值
            splitarea_opts=opts.SplitAreaOpts( # 分割区域,可以装饰图形
                is_show=True, # 显示分割区域
                areastyle_opts=opts.AreaStyleOpts(color=["#FFE4C4","#F5DEB3"], # 分割区域的颜色
                                                  opacity=0.66) # 透明度
            ),
        ),
        polar_opts=opts.PolarOpts(),
        splitarea_opt=opts.SplitAreaOpts(is_show=False), # 分隔区域配置项
        splitline_opt=opts.SplitLineOpts(is_show=False), # 分割线配置项
    )
    .add(
        series_name="全国药店药品销售额占比", # 数据名
        data=data,
        areastyle_opts=opts.AreaStyleOpts(opacity=0.1), # 区域填充样式配置项,透明度
        linestyle_opts=opts.LineStyleOpts(width=1), # 线样式配置项,线宽
    )
    .set_global_opts(title_opts=opts.TitleOpts(title='全国药店药品销售额占比'))
)
 
# 4、渲染图表
radar.render_notebook() 

运行结果如下

 下面采用并行多图方法将各图融合到一张画布中

# 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]
# 为图表实例填充数据(填充数据的同时,可以设置可选的系列配置项【图标样式的美化】)
# 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()# 如果要改变主题风格,这里就不用一个个套了,在最后grid那套就行
    .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
               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
list1 = [
    {"value": 20.3},  #导入数据
    {"value": 22.0},
    {"value": 23.5},
    {"value": 22.5},
    {"value": 22.3},
]
list2 = [
    {"value": 79.7},
    {"value": 78.0},
    {"value": 76.5},
    {"value": 77.5},
    {"value": 77.7},
]
# 柱形实例
bar3 = (
    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(
        )
    )
    .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
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,设置成百分比时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(中间缺口的半径),第二项是外半径(整个饼图的半径)
    #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))
    )
 
 
# 注意层叠多图的组件要放在所有实例最后,不然会乱。
overlap_1 = bar1.overlap(line1)
 
 
# 对各图表进行排序
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,因为这有两个直角坐标系图表
        is_control_axis_index=True
    )
    # 通过联合调整pos_top等四个参数,实现并行组合图表的任意布局
    .add(bar3, 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()

运行结果如下

  • 24
    点赞
  • 24
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
<p>ECharts (Enterprise Charts 商业产品表库) 提供商业产品常用表,底层基于ZRender(一个全新的轻量级canvas类库),创建了坐标系,例,提示,工具箱等基础组件,并在此上构建出折线图柱状图、散点、K线饼图雷达图、地、和弦、力导向布局、仪表盘以及漏斗,同时支持任意维度的堆积多图表混合展现。</p><p>Echarts device Echarts explorer   支持IE6/7/8/9+,chrome、firefox、safari、opera   (IE8- power by excanvas )</p><p>特色 我们诚挚邀请你翻阅这份在线文档 《 Why ECharts ? 》 你可以从中更直观的体验到ECharts的特性以及快速浏览到所有表类型。 *文档中展现的个别特性在IE8-中并没有得到支持,所以建议使用IE9+、chrome、safari、firefox或opera等现代浏览器阅读这份文档。</p><p>Echarts mix 混搭 混搭的表会更具表现力也更有有趣味,ECharts提供的表(共11类17种)支持任意混搭: 折线图(面积)、柱状图(条形)、散点(气泡)、K线饼图环形)、雷达图、地、和弦、力导布局、仪表盘、漏斗。 混搭情况下一个标准表:包含唯一例、工具箱、数据区域缩、值域漫游模块,一个直角坐标系(可包含一条或多条类目轴线,一条或多条值轴线,最多上下左右四条)</p><p>拖拽重计算 拖拽重计算特性(专利)带来了数据统计表从未有过的用户体验,允许用户对统计数据进行有效的提取、整合,甚至在多个表间交换数据,赋予了用户对数据进行挖掘、整合的能力。</p><p>Echarts 拖拽重计算 Echarts 数据视 数据视 如果你所呈现的数据足够让用户所关心,那么他们将不满足于查看可视化表,要去逐一迎合他们下载保存,数据分享,加工整合已有数据等等需求? 或许你只要给予一个“,”分隔的数据文本他们就懂了,这就是ECharts的数据视!当然,你可以重载数据视的输出方法,用你独特的方式去呈现数据。 如果你的用户足够的高端,你甚至可以打开数据视的编辑功能,跟拖拽重计算相比,这可是批量的数据修改!</p><p>动态类型切换 很多图表类型本身所表现的能力是相似的,但由于数据差异、表现需求和个人喜好的不同导致最终表所呈现的张力又大不一样,比如折线图柱状图的选择,系列数据是堆叠还是平铺总是让人头疼。 ECharts提供了动态类型切换,让用户随心所欲的切换到他所需要的表类型和堆叠状态。</p><p>Echarts 动态类型切换 Echarts 例开关 例开关 多系列数据的同时展现呈现出丰富内容,但如何让用户切换到他所关心的个别系列上? ECharts提供了方便快捷的多维度例开关,可以随时切换到你所关心的数据系列。</p><p>数据区域选择 数据可以是无限的,但显示空间总是有限的,数据区域选择组件提供了大数据量中漫游的能力,让用户选择并呈现他所关心的数据区域。 配合随动的均值(极值)标线,标注展现强大的数据剖析能力。 try this 》</p><p>Echarts 数据区域缩 Echarts 多图联动 多图联动 多系列数据在同一个直角系内同时展现有时候会产生混乱,但他们又存在极强的关联意义不可分离? ECharts提供了多图联动的能力(connect),能做的可不仅仅是鼠标划过的详情显示,连接的多个表会共享组件事件并且实现了保存片时的自动拼接。 try this 》</p><p>值域漫游 基于坐标的表(如地、散点)通过色彩变化表现数值的大小能直观形象的展示数据分布。 但如何聚焦到我所关心的数值上?我们创造了称为值域漫游的功能,让你可以轻松进行数值筛选。</p><p>Echarts 值域漫游 Echarts 炫光特效 炫光特效 我们知道,很多时候我们需要一些吸引眼球的能力。 ECharts支持标注标线的炫光特效,特别用在地上轻松实现百度迁徙数据可视化特效</p><p>大规模数据模式 如何展现成千上百万的数据?貌似除了用专业的统计工具(如MATLAB)外别无选择? 不,在拥有如此多交互特性下ECharts依然可以做到直角系表(折、柱、散点、K线)20万数据秒级内渲染完成,这对于常规的应用,用现代浏览器就足以轻松展现百万规模的数据!</p><p>Echarts 大规模散点 Echarts 动态数据添加 Echarts 动态数据添加 动态数据添加 如果你需要展示有实时变化的数据,相信这个动态接口会对你很有帮助。</p><p>标线辅助 趋势线?平均线?上升通道?支持位?专业的你自然知道该怎么

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值