1.利用pyecharts——绘制柱形与折线结合图
数据如下所示:
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 |
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。
代码如下所示:
# 准备数据
x_data = ['2014', '2015', '2016', '2017', '2018', '2019', '2020', '2021']
bar1 = (
Bar()
.add_xaxis(x_data)# 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
[87430, 90912, 96225, 101885, 107147, 116390, 105764, 120215], # y_axis:系列的数据
z=0,# 让折线图显示在柱形图上面
color="#90ee90",
xaxis_index=0,
yaxis_index=0)
.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
)
.extend_axis(
yaxis=opts.AxisOpts # 坐标轴配置项
( name="同比增速(%)",
min_= -15,
max_= 15,
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)",
min_=0, #y轴刻度最小值
max_=150000, #y轴刻度最大值
interval=25000,
axisline_opts=opts.AxisLineOpts(
linestyle_opts=opts.LineStyleOpts(color="#d14a61")
)),
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_left="55%")
)
)
# 折线实例
line1 = Line().add_xaxis(x_data).add_yaxis("同比增速", #series_name:系列的名称,显示于提示框和图例中
[7.40,4.00,5.83,5.81,5.16,8.63,-9.13,13.66], #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
bar1.overlap(line1).render_notebook()
代码运行如下所示:
2.利用pyecharts——绘制圆环图:
数据如下所示:
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 |
需求二: 请基于pyecharts,用环图展示表2数据,得到图2。
代码如下所示:
# 4、圆环图
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,数组的第一项是横坐标,第二项是纵坐标,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,第二项是外半径,默认设置成百分比,相对于容器高宽中较小的一项的一半
.set_global_opts(title_opts=opts.TitleOpts(title='中药材消费者画像数据',pos_top="50%",pos_left="10%"), #设置标题
legend_opts=opts.LegendOpts(is_show=False))
)
pie2.render_notebook()
代码运行如下所示:
3.利用pyecharts——绘制柱形堆积图:
数据如下所示:
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 |
需求三: 请基于pyecharts,用堆积柱形图展示表3数据,得到图3。
代码运行如下所示:
# 1、导入需要用到的图表类和模块
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.commons.utils import JsCode
from pyecharts.globals import ThemeType
# 柱形堆积图
2#准备数据
list1 = [
{"value": 20.3, "percent": 20.3 / (20.3 + 79.7)},
{"value": 22.0, "percent": 22.0 / (22.0 + 78.0)},
{"value": 23.5, "percent": 23.5 / (23.5 + 76.5)},
{"value": 22.5, "percent": 22.5 / (22.5 + 77.5)},
{"value": 22.3, "percent": 22.3 / (22.3 + 77.7)},
]
list2 = [
{"value": 79.7, "percent": 79.7 / (20.3 + 79.7)},
{"value": 78.0, "percent": 78.0 / (22.0 + 78.0)},
{"value": 76.5, "percent": 76.5 / (23.5 + 76.5)},
{"value": 77.5, "percent": 77.5 / (22.5 + 77.5)},
{"value": 77.7, "percent": 77.7 / (22.3 + 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(
formatter=JsCode(
"function(x){return Number(x.data.percent * 100).toFixed() + '%';}" #显示条形图所占百分比
),
)
)
.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="36%"),
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=15)), #x轴标签旋转角度
legend_opts=opts.LegendOpts(is_show=False))
)
# 4、渲染图表
bar3.render_notebook()
代码运行如下所示:
4.利用pyecharts——绘制雷达图:
数据如下所示:
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 |
需求四: 请基于pyecharts,用雷达图展示表4数据,得到图4。
代码运行如下所示:
v1=[[33,45,3,9,6,4]]
radar=(
Radar()
.add_schema(
schema=[
opts.RadarIndicatorItem(name="化学药", max_=45),
opts.RadarIndicatorItem(name="中成药", max_=45),
opts.RadarIndicatorItem(name="生物制品", max_=45),
opts.RadarIndicatorItem(name="医疗器械", max_=45),
opts.RadarIndicatorItem(name="中药饮品", max_=45),
opts.RadarIndicatorItem(name="保健品", max_=45),
]
)
.add("全国药店药品销售额占比", v1)
.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"),
)
)
radar.render_notebook()
代码运行如下所示:
5.利用pyecharts——结合四种图表采用"并行多图"方式排布:
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。
代码运行如下所示:
from pyecharts import options as opts
from pyecharts.globals import ThemeType
from pyecharts.charts import Bar, Grid, Line,Pie
from pyecharts.commons.utils import JsCode
x_data = ['2014', '2015', '2016', '2017', '2018', '2019', '2020', '2021']
bar1 = (
Bar()
.add_xaxis(x_data)
.add_yaxis(
"诊疗量",
[87430, 90912, 96225, 101885, 107147, 116390, 105764, 120215],
z=0,
color="#90ee90",
xaxis_index=0,
yaxis_index=0)
.set_series_opts(
itemstyle_opts=opts.ItemStyleOpts(
opacity=0.5),
)
.extend_axis(
yaxis=opts.AxisOpts
( name="同比增速(%)",
min_= -15,
max_= 15,
axislabel_opts=opts.LabelOpts(formatter="{value}%"),
axisline_opts=opts.AxisLineOpts
(
linestyle_opts=opts.LineStyleOpts(color="#d14a61")
),
)
)
.set_series_opts(label_opts=opts.LabelOpts(is_show=True))
.set_global_opts
(
yaxis_opts=opts.AxisOpts(
name="诊疗量(万人次)",
min_=0,
max_=150000,
interval=25000,
axisline_opts=opts.AxisLineOpts(
linestyle_opts=opts.LineStyleOpts(color="#d14a61")
)),
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="55%")
)
)
line1 = 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],
xaxis_index=0,
yaxis_index=1)
list1 = [
{"value": 20.3, "percent": 20.3 / (20.3 + 79.7)},
{"value": 22.0, "percent": 22.0 / (22.0 + 78.0)},
{"value": 23.5, "percent": 23.5 / (23.5 + 76.5)},
{"value": 22.5, "percent": 22.5 / (22.5 + 77.5)},
{"value": 22.3, "percent": 22.3 / (22.3 + 77.7)},
]
list2 = [
{"value": 79.7, "percent": 79.7 / (20.3 + 79.7)},
{"value": 78.0, "percent": 78.0 / (22.0 + 78.0)},
{"value": 76.5, "percent": 76.5 / (23.5 + 76.5)},
{"value": 77.5, "percent": 77.5 / (22.5 + 77.5)},
{"value": 77.7, "percent": 77.7 / (22.3 + 77.7)},
]
bar3 = (
Bar()
.add_xaxis(['2019年', '2020年', '2021年', '2022年', '2023年'])
.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="36%"),
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=10)),
legend_opts=opts.LegendOpts(is_show=False))
)
pie2 = (
Pie()
.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%"],
radius=[50, 80])
.set_global_opts(title_opts=opts.TitleOpts(title='中药材消费者画像数据',pos_top="50%",pos_left="10%"),
legend_opts=opts.LegendOpts(is_show=False))
)
overlap_1 = bar1.overlap(line1)
# 排序
grid = (
Grid()#
.add(
overlap_1, grid_opts=opts.GridOpts(pos_bottom="60%"),
# 控制 Axis 索引
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()
代码运行如下所示: