页面历史

import plotly.graph_objects as go

# 查询2023年各区域的销售额查询2019年各车系的销量、车型数以及同比情况
sql_json = {
"sel": ["车系", "商店所在区域销量", "销售额车型数"], "from销量同比增长率":, "销售表车型数同比增长率"],
"conds": [${销售_年}],
"from": "即席查询"
}
df_sales2019 = detail_trend_data_query_assistant(sql_json)

# 创建联合图展示
fig = go.Figure()

# 按照销售额降序排序
df_sorted = df_sales.sort_values(by='销售额', ascending=False 添加销量柱状图
fig.add_trace(
go.Bar(
x=df_2019['车系'],
y=df_2019['销量'],
name='销量',
marker_color='blue'
)
)

# 使用柱状图展示数据添加车型数柱状图
fig = go.Figure(data=[.add_trace(
go.Bar(
   
x=df_sorted2019['商店所在区域车系'],
 
  y=df_sorted2019['销售额车型数'],
name='车型数',
marker_color='green'
)
)

 text# 添加销量同比增长率折线图
fig.add_trace(
go.Scatter(
x=df_sorted2019['销售额车系'],
y=df_2019['销量同比增长率'],
mode='lines+markers',
name='销量同比增长率',
 textpositionyaxis='y2',
line=dict(color='autored')
)]
)

# 设置图表标题和坐标轴标签添加车型数同比增长率折线图
fig.updateadd_layouttrace(
go.Scatter(
x=df_2019['车系'],
y=df_2019['车型数同比增长率'],
 title_text="2023年各区域销售额",
    title_x=0.5,
    xaxis_title="区域",
    yaxis_title="销售额"
)

# 输出需要的结果，并且将结果按照json格式输出mode='lines+markers',
name='车型数同比增长率',
yaxis='y2',
line=dict(color='orange')
)
)

# 设置布局
fig.update_layout(
title="2019年各车系销量、车型数及同比情况",
xaxis=dict(title="车系"),
yaxis=dict(title="销量/车型数"),
yaxis2=dict(
title="同比增长率",
overlaying='y',
side='right'
),
title_x=0.5
)

import json

json_result = json.dumps([{"output_variable_name": "fig", "type": "plotly", "desc": "2023年各区域销售额柱状图联合图展示2019年各车系销量、车型数及同比情况"}])
json_result