pyecharts绘制图表的过程：
- 创建图表相应类的对象；
- 添加图表数据；
- 添加图表系列配置项；
- 添加图表全局配置项；
- 渲染图表。
绘制折线图
pyecharts的Line类表示折线图，该类中提供了一个add_yaxis()方法，使用add_yaxis()方法可以为折线图添加数据和配置项。add_yaxis()方法的语法格式如下所示：
add_yaxis(self, series_name, y_axis, is_selected=True,
is_connect_nones=False, xaxis_index=None, yaxis_index=None, color=None,
is_symbol_show=True, symbol=None, symbol_size=4, stack=None,
is_smooth=False, is_step=False, is_hover_animation=True,
markpoint_opts=None, markline_opts=None, tooltip_opts=None,
label_opts=opts.LabelOpts(), linestyle_opts=opts.LineStyleOpts(),
areastyle_opts=opts.AreaStyleOpts(), itemstyle_opts=None)该方法常用参数的含义如下。
series_name：表示系列的名称，显示于提示框和图例中。
y_axis：表示系列数据。
xaxis_index：表示x轴的索引，用于拥有多个x轴的单图表中。
yaxis_index：表示y轴的索引，用于拥有多个y轴的单图表中。
color：表示系列的注释文本的颜色。
is_symbol_show：表示是否显示标记及注释文本，默认为True。
symbol：表示标记的图形，可以取值为'circle'( 圆形)、'rect'(矩形)、'roundRect'(圆角矩形)、'triangle'(三角形)、'diamond'(菱形)、'pin'( 大头针)、'arrow'( 箭头)、'none'( 无)。
symbol_size：表示标记的大小，可以接收单一数值，也可以接收形如[width, height]的数组。
stack ：表示将轴上同一类目的数据堆叠放置。
is_smooth：表示是否使用平滑曲线。
is_step：表示是否显示为阶梯图。
绘制饼图或圆环图
pyecharts的Pie类表示饼图，该类中提供了一个add()方法，使用add()方法可以为饼图添加数据和配置项。add()方法的语法格式如下所示：
add(self, series_name, data_pair, color=None, radius=None, center=None,
rosetype=None, is_clockwise=True, label_opts=opts.LabelOpts(),
tooltip_opts=None, itemstyle_opts=None)该方法常用参数的含义如下。
series_name ：表示系列的名称，显示于提示框和图例中。
data_pair ：表示系列数据帧，可以接收形如[(key1, value1), (key2, value2),…]的数据。
radius：表示饼图的半径，可以接收一个包含两个元素的数组，其中数组的第一项为内半径，第二项为外半径。
center：表示饼图的中心坐标。
is_clockwise ：表示饼图的扇区是否按顺时针排布。
itemstyle_opts ：表示图元样式配置项。
实例
| 年份 | 诊疗量（万人次） | 同步增速（%） |
|---|---|---|
| 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 |
| 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 |
| 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 |
| 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。
# 导入所需的库
from pyecharts.charts import Bar, Line
from pyecharts import options as opts
from pyecharts.globals import ThemeType
x_data = ["2014", "2015", "2016", "2017", "2018", "2019", "2020", "2021"]
bar = (
Bar(init_opts=opts.InitOpts(width="1000px", height="600px"))
.add_xaxis(xaxis_data=x_data)
.add_yaxis(
series_name="诊疗量（万人次）",
y_axis=[87430,90912,96225,101885,107147,116390,105764,120215,],
label_opts=opts.LabelOpts(is_show=False),
z_level = 0,
# 柱状图所有图形的 zlevel 值。
# z_level: types.Numeric = 0,
# 柱状图组件的所有图形的z值。控制图形的前后顺序。
# z值小的图形会被z值大的图形覆盖。
# z相比zlevel优先级更低，而且不会创建新的 Canvas。
)
.extend_axis( # 扩展 X/Y 轴
yaxis=opts.AxisOpts( # yaxis新增 Y 坐标轴配置项，AxisOpts坐标轴配置项
name="同比增速（%）",
type_="value", #'value': 数值轴，适用于连续数据
min_=-20,
max_=20,
interval=10, # 强制设置坐标轴分割间隔
axislabel_opts=opts.LabelOpts(formatter="{value} %"),# 坐标轴标签配置项 formatter回调函数，value传入的数据值
)
)
.set_global_opts(
# tooltip_opts=opts.TooltipOpts(# TooltipOpts：提示框配置项
# is_show=False, ),
xaxis_opts=opts.AxisOpts( # 坐标轴配置项
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"), # 坐标轴指示器配置项
), # is_show是否显示坐标轴指示器，type_指示器类型# 'line' 直线指示器'shadow' 阴影指示器'none' 无指示器
yaxis_opts=opts.AxisOpts(
name="诊疗量（万人次）",
type_="value",
min_=0,
max_=130000,
interval=50000, # 强制设置坐标轴分割间隔
axislabel_opts=opts.LabelOpts(formatter="{value}"), # 坐标轴标签配置项 formatter回调函数，value传入的数据值
# axistick_opts=opts.AxisTickOpts(is_show=True), # 坐标轴刻度配置项
# splitline_opts=opts.SplitLineOpts(is_show=True), # 分割线配置项
),
)
)
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(is_show=False),) # 设置不显示图例组件的配置项
line = (
Line()
.add_xaxis(xaxis_data=x_data)
.add_yaxis(
series_name="同比增速（%）",
yaxis_index=1, # 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
y_axis=[7.40,4.00,5.83,5.81,5.16,8.63,-9.13,13.66],
symbol='triangle', symbol_size=20, # 设置折线图的图标样式及大小
label_opts=opts.LabelOpts(is_show=False), # 设置不显示图例
z_level = 2,
# 折线图所有图形的 zlevel 值。
# z_level: types.Numeric = 0,
# zlevel用于 Canvas 分层，不同zlevel值的图形会放置在不同的 Canvas 中，Canvas 分层是一种常见的优化手段。
# zlevel 大的 Canvas 会放在 zlevel 小的 Canvas 的上面。
# 折线图组件的所有图形的z值。控制图形的前后顺序。z值小的图形会被z值大的图形覆盖。
# z 相比 zlevel 优先级更低，而且不会创建新的 Canvas。
)
)
# bar.overlap(line).render("mixed_bar_and_line.html")
bar.overlap(line).render_notebook() # 渲染到notebook中展示 
需求二：请基于pyecharts，用环图展示表2数据，得到图2。
# 导入所需的库
from pyecharts import options as opts
from pyecharts.charts import Pie, Bar, Line
from pyecharts.faker import Faker
data = [['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]]
pie = (
Pie()
.add("", data,
radius=["25%", "50%"], # 挖掉的直径，整张饼的直径 （占画布中高和宽中短边的比例）
)
.set_colors(["blue", "orange", "green", "red", "pink"]) # 设置填充的颜色
.set_global_opts(title_opts=opts.TitleOpts(title="中药材消费者画像", pos_left='40%'), # 设置标题及位置
legend_opts=opts.LegendOpts(is_show=False)) # 设置不显示图例
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)
pie.render_notebook() 
需求三：请基于pyecharts，用堆积柱形图展示表3数据，得到图3。
# 导入所需的库
from pyecharts import options as opts
from pyecharts.charts import Bar
bar = (
Bar()
.add_xaxis(['2019年', '2020年', '2021年', '2022年', '2023年']) # 定义横轴数据
.add_yaxis("跨国企业占比（%）", [20.3, 22.0, 23.5, 22.5, 22.3], stack="stack1") # 定义第一组纵轴数据（跨国企业占比），指定堆积方式为stack1
.add_yaxis("本土企业占比（%）", [79.7, 78.0, 76.5, 77.5, 77.7], stack="stack1") # 定义第二组纵轴数据（本土企业占比），指定堆积方式为stack1
.set_series_opts(label_opts=opts.LabelOpts(is_show=False)) # 设置不显示标签
.set_global_opts(title_opts=opts.TitleOpts(title="全国药店中药饮片供应商占比情况"), # 设置图表的标题
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=55)),) # 设置横轴标签的旋转角度
)
bar.render_notebook() # 渲染到notebook中展示
需求四：请基于pyecharts，用雷达图展示表4数据，得到图4。
# 导入所需的库
from pyecharts import options as opts
from pyecharts.charts import Radar
# 定义雷达图的数据
data = [{"value": [33, 45, 3, 9, 6, 4]}]
# 定义雷达图的各个维度的配置（每个维度由一个字典表示，包括名称（name）、最大值（max）和最小值（min））
c_schema = [
{"name": "化学药", "max": 45, "min": 3},
{"name": "中成药", "max": 45, "min": 3},
{"name": "生物制品", "max": 45, "min": 3},
{"name": "医疗器械", "max": 45, "min": 3},
{"name": "中药饮片", "max": 45, "min": 3},
{"name": "保健品", "max": 45, "min": 3},
]
# 创建雷达图
radar = (
Radar()
.set_colors(["#4587E7"]) # 设置颜色
.add_schema(
schema=c_schema,
shape="circle", # 设置雷达图的形状为圆形
center=["50%", "50%"], # 设置雷达图的位置
radius="80%", # 设置雷达图的半径
angleaxis_opts=opts.AngleAxisOpts(
min_=0,
max_=360,
is_clockwise=False, # 不选择顺时针显示角度轴
interval=5,
axistick_opts=opts.AxisTickOpts(is_show=False), # 不显示角度轴刻度线
axislabel_opts=opts.LabelOpts(is_show=False), # 不显示角度轴标签
axisline_opts=opts.AxisLineOpts(is_show=False), # 不显示角度轴线
splitline_opts=opts.SplitLineOpts(is_show=False), # 不显示角度轴分割线
),
radiusaxis_opts=opts.RadiusAxisOpts(
min_=0, # 半径轴的最小值为0
max_=50, # 半径轴的最大值为50
interval=20, # 设置半径轴刻度间隔为10
splitarea_opts=opts.SplitAreaOpts(
is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1) # 显示半径轴的分隔区域，设置透明度为1
),
),
polar_opts=opts.PolarOpts(),
splitarea_opt=opts.SplitAreaOpts(is_show=False), # 不显示分割区域
splitline_opt=opts.SplitLineOpts(is_show=False), # 不显示分割线
)
.add(
series_name="全国药店药品销售额占比", # 数据系列的名称
data=data,
areastyle_opts=opts.AreaStyleOpts(opacity=0.1), # 设置数据区域的透明度为0.1
linestyle_opts=opts.LineStyleOpts(width=1), # 设置线条的宽度为1
)
)
radar.render_notebook() # 渲染到notebook中展示 
1380
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
