利用 matplotlib 库在一张独立的画布上绘制以下五个图表

 【 matplotlib 库绘制流程】
 1、创建画布
 2、规划画布为多个不同的绘图区域，并在不同区域创建需要的坐标系实例
 3、准备数据（数据爬取 -> 数据清洗 -> 数据结构化。不同的数据数组，可能要求尺寸一致）
 4、通过对应的坐标系实例，调用绘图方法，在当前坐标系实例中完成绘图
 5、费时间最多：图表辅助元素的定制（比如：ax.set_ylim, ax.set_title, ax.set_xlabel）
 6、分析这些图表，得出结论

一、示例题目：在一张独立的画布上绘制以下参考图中的五个图表

需求一：请用柱形图和折线图在同一个坐标系展示表1数据

需求二：请用饼图展示表2数据

需求三：请用堆积柱形图展示表3数据

需求四：请用雷达图展示表4数据

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

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

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

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
保健品	9
中药饮片	6
其他	4

二、示例代码如下：

%matplotlib auto
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

# 1.【可视化第一个表格数据（柱形和折线融合图）】
# 1.1 准备数据 
year_x = np.arange(2014, 2022, 1)   # X轴刻度值（2014-2021）
data_num = np.array([87430, 90912, 96255, 101885, 107147, 116390, 105764, 120215])  # 诊疗量
data_speed = np.array([7.40, 4.00, 5.83, 5.81, 5.16, 8.63, -9.13, 13.66])   # 同比增减

# 面向函数的 API  —— pyplot 模块下的函数
# 面向对象的 API  —— 坐标系类方法（直角坐标系，极坐标系）

# 1.2 创建第一个坐标系实例
ax = plt.subplot2grid((2, 3), (0, 0), colspan=3)  # 直角坐标系实例

# 1.3 在第一个坐标系实例上绘制堆积柱形图
bar = ax.bar(year_x, data_num, width=0.5, color='orange')

# 1.4 创建共享x轴的第二个坐标系实例
ax_right = ax.twinx()

# 1.5 在第二个坐标系实例绘制折线图
line = ax_right.plot(year_x, data_speed, 'm^-')

# 1.6 图表辅助元素定制
ax.set_ylabel('诊疗量（万人次）')
ax_right.set_ylabel('同比增速（%）')
ax_right.set_ylim(-20, 20)
ax.set_title('2014-2021年中国中医类医疗卫生机构诊疗量')


# 2、【可视化第二个表格数据（饼图）】
# 2.1 准备数据
ratios = [2.2, 27.9, 56.2, 10.9, 2.8]   # 各年龄段用户比例
labels = ['20岁以下', '20-30岁', '31-40岁', '41-50岁', '51岁以上']  # 外侧说明文字

# 2.2 创建坐标系实例并绘制饼图
ax2 = plt.subplot2grid((2, 3), (1, 0))
ax2.pie(ratios, labels=labels, radius=1,
        textprops={'fontsize': 6},
        wedgeprops={'width': 0.5},
        pctdistance=0.75, # 调整数值标签的位置
        autopct='%3.1f%%',
        startangle=0,  # 调整购物品类的位置
       )

# 2.3 图表辅助元素定制
ax2.set_title('中药材消费者画像', fontsize=8, pad=5)


# 3、【可视化第三个表格数据（堆积柱形图）】

# 3.1 准备数据
year_x = np.arange(2019, 2024, 1) # X轴刻度值（2019-2023）
data1 = np.array([20.3, 22.0, 23.5, 22.5, 22.3])  # 跨国企业占比
data2 = np.array([79.7, 78.0, 76.5, 77.5, 77.7])  # 本土企业占比
xlabels = ['2019年', '2020年', '2021年', '2022年', '2023年']

# 3.2 创建坐标系实例并绘制堆积柱形图
ax3 = plt.subplot2grid((2, 3), (1, 1))
bar_width = 0.5  # 柱宽
ax3.bar(year_x, data1, width=bar_width)
ax3.bar(year_x, data2, bottom=data1, width=bar_width)

# 3.3 图表辅助元素定制
ax3.set_title('全国药店中药饮片供应商占比', fontsize=6)
ax3.set_xticks(year_x)
ax3.set_xticklabels(xlabels, rotation=60, fontsize=8)

# 4、【可视化第四个表格数据（雷达图）】

# 4.1  准备数据
# 各品类药品占比
score = np.array([33, 45, 3, 9, 10])
# 拼接一下，构成闭环
score = np.concatenate((score, [score[0]]))
# 维度标签
radar_labels = ['化学药','中成药','生物制品','保健品','中药饮片']
# 拼接一下，构成闭环（此处可以不拼接，为了统一而已）
radar_labels = np.concatenate((radar_labels, [radar_labels[0]]))
# 维度数（因为前面拼接了一下，所以要减1）
dim_num = len(score)-1
radians = np.linspace(0, 2 * np.pi, dim_num, endpoint=False)
# 拼接一下，构成闭环
radians = np.concatenate((radians, [radians[0]]))

# 4.2 创建极坐标系实例，并绘制雷达图
ax4 = plt.subplot2grid((2, 3), (1, 2), polar=True)  # projection = 'polar'
ax4.plot(radians, score, marker='o',
         markersize=2, linewidth=1, color='r')

# 4.3 图表辅助元素定制

# 设置极坐标的标签
angles = radians * 180/np.pi   # 弧度转角度
#    设置新的刻度标签
ax4.set_thetagrids(angles, labels=radar_labels, fontsize=6)

# 填充多边形
ax4.fill(radians, score, alpha=0.2)
ax4.set_title('全国药店药品销售额占比', fontsize=8, pad=20)


# 5、【展示图表】

#   启用自动紧凑布局
plt.tight_layout()

plt.show()

三、图表展示