使用pyecharts绘制合并图表——柱形图和折线图

pyecharts概述       

       自2013年6月百度EFE(Excellent FrontEnd)数据可视化团队研发的ECharts 1.0发布到GitHub网站以来，ECharts一直备受业界权威的关注并获得广泛好评，成为目前成熟且流行的数据可视化图表工具，被应用到诸多数据可视化的开发领域。Python作为数据分析领域最受欢迎的语言，也加入ECharts的使用行列，并研发出方便Python开发者使用的数据可视化工具，由此便诞生了pyecharts库。
       pyecharts是一个针对Python用户开发的、用于生成ECharts图表的库，与matplotlib相比，pyecharts具有以下优势：  
(1)简洁的API使开发者使用起来非常便捷，且支持链式调用。
(2)程序可在主流的Jupyter Notebook或JupyterLab工具上运行。
(3)程序可以轻松地集成至Flask、Sanic、Django等主流的Web框架中。
(4)灵活的配置项可以轻松搭配出精美的图表。
(5)详细的文档和示例可以帮助开发者快速地上手。
(6)400多个地图文件、原生百度地图为地理数据可视化提供强有力的支撑。

实操 

一、导入pyecharts模块 

import pyecharts.options as opts
from pyecharts.charts import Bar, Line

 # Bar, Line表示引用柱形图和折线图。

二、准备数据 

x_data = ['2014', '2015', '2016', '2017', '2018', '2019', '2020', '2021']

三、创建Bar类对象

bar = (
    Bar()
    .add_xaxis(xaxis_data=x_data)
    .add_yaxis(
        series_name="诊疗量",    # 此处为设置图例配置项的名称
        y_axis=[87430, 90912, 96225, 101885, 107147, 116390, 105764, 120215],
        label_opts=opts.LabelOpts(is_show=False),   # 此处将标签配置项隐藏
        z=0     # 因为折线图会被柱状图遮挡，所以此处把柱状图置底
    )

    .extend_axis(
        yaxis=opts.AxisOpts(
            name="同比增速（%）",
            type_="value",
            min_=-20,      # 刻度标签的最大值
            max_=20,       # 刻度标签的最小值
            interval=10,   # 步长
            axislabel_opts=opts.LabelOpts(formatter="{value} %"),  # 设置刻度标签的单位
        )
    )
    
    .set_global_opts(
        tooltip_opts=opts.TooltipOpts(   
            is_show=True, trigger="axis", axis_pointer_type="cross"
        ),     # 设置提示框配置项，触发类型为坐标轴类型，指示器类型为"cross"
        xaxis_opts=opts.AxisOpts(
            type_="category",
            axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow"),
        ),     # 设置x轴配置项为类目轴，适用于离散的类目数据      
        yaxis_opts=opts.AxisOpts(
            name="诊疗量（万人次）",
            type_="value",
            min_=0,          # 刻度标签的最大值 
            max_=150000,     # 刻度标签的最小值
            interval=50000,  # 步长
            axislabel_opts=opts.LabelOpts(formatter="{value} 万人"),  # 设置刻度标签的单位
            axistick_opts=opts.AxisTickOpts(is_show=True),           # 显示坐标轴刻度
            splitline_opts=opts.SplitLineOpts(is_show=True),         # 显示分割线
        ),
        title_opts=opts.TitleOpts(
            is_show=True, title="2014-2021年中国中医类医疗卫生机构诊疗量", pos_left="center"
        ),     # 设置标题并将其居中
        legend_opts=opts.LegendOpts(  
            pos_right="right",  
            pos_bottom="bottom"  
        ),  # 设置图例配置项，并将其放在右下角
    )
)

 # .add_xaxis(）和.add_yaxis()：为柱形图添加x轴和y轴的数据
＃ .extend_axis：拓展x/y轴
＃ .set_global_opts：设置全局配置项（全局配置项是一些针对图表通用属性的配置项，包括初始化属性、标题组件、图例组件、工具箱组件、视觉映射组件、提示框组件、数据区域缩放组件，其中每个配置项都对应一个类。pyecharts的全局配置项如下表所示）

四、创建Line类对象 

line = (
    Line()
    .add_xaxis(xaxis_data=x_data)
    .add_yaxis(
        series_name="同比增速",
        yaxis_index=1,
        y_axis=[7.40, 4.00, 5.83, 5.81, 5.16, 8.63, -9.13, 13.66],
        label_opts=opts.LabelOpts(is_show=False),
        symbol="triangle",
        symbol_size=20,
    )
    .set_series_opts(
        linestyle_opts=opts.LineStyleOpts(width= 4)
    )   # 设置线条宽度为4
)

 # .set_series_opts：设置系列配置项（系列配置项是一些针对图表特定元素属性的配置项，包括图元样式、文本样式、标签、线条样式、标记样式、填充样式等，其中每个配置项都对应一个类。pyecharts的系列配置项如下表所示）

                                                               

五、将图表渲染到HTML文件 

bar.overlap(line).render("mixed_bar_and_line.html")

 # 除了使用render()方法渲染图表，还可以使用render_notebook()方法将图表渲染到Jupyter Notebook工具中。

运行结果