python 如何实现双y轴

使用Matplotlib库、适配不同的数据范围、提升图表的可读性

实现双y轴图表的一个常见方式是使用Matplotlib库。Matplotlib是Python中最强大的绘图库之一，能制作高质量的图表。通过使用twinx()方法，可以方便地在同一个图表中创建一个共享x轴的双y轴图表。这样可以适配不同的数据范围，提升图表的可读性。

具体实现步骤如下：

import matplotlib.pyplot as plt
创建数据
x = [0, 1, 2, 3, 4, 5]
y1 = [0, 1, 4, 9, 16, 25]
y2 = [0, 1, 2, 3, 4, 5]
fig, ax1 = plt.subplots()
绘制第一个y轴的图表
ax1.plot(x, y1, 'g-')
ax1.set_xlabel('X data')
ax1.set_ylabel('Y1 data', color='g')
创建第二个y轴
ax2 = ax1.twinx()
ax2.plot(x, y2, 'b-')
ax2.set_ylabel('Y2 data', color='b')
plt.show()

一、使用Matplotlib库

Matplotlib是Python最常用的绘图库之一，能够生成各类2D图表。通过Matplotlib，我们可以轻松地创建包括折线图、柱状图、散点图等在内的各种图表。使用twinx()方法，我们可以在同一个图表中添加一个共享x轴的双y轴。

基本绘图

首先，我们需要导入Matplotlib库并创建一个基本的图表。我们可以使用plt.subplots()方法创建一个包含单个子图的图表对象：

import matplotlib.pyplot as plt
fig, ax1 = plt.subplots()

添加第一个y轴

接下来，我们可以在图表上绘制第一个y轴的数据。例如，可以使用ax1.plot()方法绘制数据，并设置y轴的标签：

x = [0, 1, 2, 3, 4, 5]
y1 = [0, 1, 4, 9, 16, 25]
ax1.plot(x, y1, 'g-')
ax1.set_xlabel('X data')
ax1.set_ylabel('Y1 data', color='g')

添加第二个y轴

为了添加第二个y轴，我们使用twinx()方法。这会创建一个新的y轴对象ax2，与第一个y轴共享相同的x轴：

ax2 = ax1.twinx()
y2 = [0, 1, 2, 3, 4, 5]
ax2.plot(x, y2, 'b-')
ax2.set_ylabel('Y2 data', color='b')

完整示例

综合上述步骤，我们可以得到一个完整的双y轴图表：

import matplotlib.pyplot as plt
创建数据
x = [0, 1, 2, 3, 4, 5]
y1 = [0, 1, 4, 9, 16, 25]
y2 = [0, 1, 2, 3, 4, 5]
fig, ax1 = plt.subplots()
绘制第一个y轴的图表
ax1.plot(x, y1, 'g-')
ax1.set_xlabel('X data')
ax1.set_ylabel('Y1 data', color='g')
创建第二个y轴
ax2 = ax1.twinx()
ax2.plot(x, y2, 'b-')
ax2.set_ylabel('Y2 data', color='b')
plt.show()

二、适配不同的数据范围

在实际应用中，不同的数据集可能具有不同的数值范围。使用双y轴可以帮助我们更好地适配这些数据范围，使得图表更易于理解。

示例1：不同量级的数据

考虑一个包含温度和湿度的数据集。温度以摄氏度为单位，而湿度以百分比为单位。两个数据集的数值范围可能非常不同：

import matplotlib.pyplot as plt
创建数据
x = range(0, 24)
temperature = [15, 16, 17, 18, 20, 22, 25, 28, 30, 32, 33, 34, 35, 34, 33, 31, 29, 27, 24, 22, 20, 18, 17, 16]
humidity = [80, 82, 85, 88, 90, 85, 80, 75, 70, 65, 60, 55, 50, 45, 40, 35, 30, 25, 20, 25, 30, 35, 40, 45]
fig, ax1 = plt.subplots()
绘制温度数据
ax1.plot(x, temperature, 'r-')
ax1.set_xlabel('Time (hours)')
ax1.set_ylabel('Temperature (C)', color='r')
创建第二个y轴
ax2 = ax1.twinx()
ax2.plot(x, humidity, 'b-')
ax2.set_ylabel('Humidity (%)', color='b')
plt.show()

示例2：股票价格与成交量

另一个常见的应用场景是股票价格与成交量。股票价格和成交量的数据范围通常差异很大，通过双y轴可以更好地展示这两类数据：

import matplotlib.pyplot as plt
创建数据
dates = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
prices = [100, 101, 102, 101, 99, 98, 97, 96, 95, 94]
volumes = [200, 220, 210, 230, 240, 250, 260, 270, 280, 290]
fig, ax1 = plt.subplots()
绘制股票价格
ax1.plot(dates, prices, 'g-')
ax1.set_xlabel('Date')
ax1.set_ylabel('Stock Price', color='g')
创建第二个y轴
ax2 = ax1.twinx()
ax2.bar(dates, volumes, alpha=0.6, color='b')
ax2.set_ylabel('Volume', color='b')
plt.show()

三、提升图表的可读性

为了提升图表的可读性，我们可以对图表进行一些美化和调整。包括添加标题、图例、网格线等。

添加标题和图例

为图表添加标题和图例可以帮助读者更好地理解图表的内容：

import matplotlib.pyplot as plt
创建数据
x = range(0, 24)
temperature = [15, 16, 17, 18, 20, 22, 25, 28, 30, 32, 33, 34, 35, 34, 33, 31, 29, 27, 24, 22, 20, 18, 17, 16]
humidity = [80, 82, 85, 88, 90, 85, 80, 75, 70, 65, 60, 55, 50, 45, 40, 35, 30, 25, 20, 25, 30, 35, 40, 45]
fig, ax1 = plt.subplots()
绘制温度数据
ax1.plot(x, temperature, 'r-', label='Temperature')
ax1.set_xlabel('Time (hours)')
ax1.set_ylabel('Temperature (C)', color='r')
创建第二个y轴
ax2 = ax1.twinx()
ax2.plot(x, humidity, 'b-', label='Humidity')
ax2.set_ylabel('Humidity (%)', color='b')
添加标题和图例
fig.suptitle('Temperature and Humidity Over Time')
ax1.legend(loc='upper left')
ax2.legend(loc='upper right')
plt.show()

添加网格线

网格线可以帮助读者更容易地读取数据值。我们可以使用grid()方法添加网格线：

import matplotlib.pyplot as plt
创建数据
x = range(0, 24)
temperature = [15, 16, 17, 18, 20, 22, 25, 28, 30, 32, 33, 34, 35, 34, 33, 31, 29, 27, 24, 22, 20, 18, 17, 16]
humidity = [80, 82, 85, 88, 90, 85, 80, 75, 70, 65, 60, 55, 50, 45, 40, 35, 30, 25, 20, 25, 30, 35, 40, 45]
fig, ax1 = plt.subplots()
绘制温度数据
ax1.plot(x, temperature, 'r-', label='Temperature')
ax1.set_xlabel('Time (hours)')
ax1.set_ylabel('Temperature (C)', color='r')
ax1.grid(True)
创建第二个y轴
ax2 = ax1.twinx()
ax2.plot(x, humidity, 'b-', label='Humidity')
ax2.set_ylabel('Humidity (%)', color='b')
ax2.grid(False)
添加标题和图例
fig.suptitle('Temperature and Humidity Over Time')
ax1.legend(loc='upper left')
ax2.legend(loc='upper right')
plt.show()

自定义x轴和y轴的刻度

自定义轴的刻度可以使图表更易于阅读。可以使用set_xticks()和set_yticks()方法自定义刻度：

import matplotlib.pyplot as plt
创建数据
x = range(0, 24)
temperature = [15, 16, 17, 18, 20, 22, 25, 28, 30, 32, 33, 34, 35, 34, 33, 31, 29, 27, 24, 22, 20, 18, 17, 16]
humidity = [80, 82, 85, 88, 90, 85, 80, 75, 70, 65, 60, 55, 50, 45, 40, 35, 30, 25, 20, 25, 30, 35, 40, 45]
fig, ax1 = plt.subplots()
绘制温度数据
ax1.plot(x, temperature, 'r-', label='Temperature')
ax1.set_xlabel('Time (hours)')
ax1.set_ylabel('Temperature (C)', color='r')
ax1.grid(True)
ax1.set_xticks(range(0, 24, 2))  # 设置x轴刻度
ax1.set_yticks(range(15, 36, 5))  # 设置y轴刻度
创建第二个y轴
ax2 = ax1.twinx()
ax2.plot(x, humidity, 'b-', label='Humidity')
ax2.set_ylabel('Humidity (%)', color='b')
ax2.grid(False)
ax2.set_yticks(range(20, 101, 10))  # 设置y轴刻度
添加标题和图例
fig.suptitle('Temperature and Humidity Over Time')
ax1.legend(loc='upper left')
ax2.legend(loc='upper right')
plt.show()

四、其他高级用法

除了基础的双y轴绘图，Matplotlib还提供了许多高级特性，可以满足更多复杂的需求。

不同类型的图表组合

我们可以在同一个图表中组合不同类型的图表。例如，可以将折线图和柱状图组合在一起：

import matplotlib.pyplot as plt
创建数据
x = range(0, 24)
temperature = [15, 16, 17, 18, 20, 22, 25, 28, 30, 32, 33, 34, 35, 34, 33, 31, 29, 27, 24, 22, 20, 18, 17, 16]
humidity = [80, 82, 85, 88, 90, 85, 80, 75, 70, 65, 60, 55, 50, 45, 40, 35, 30, 25, 20, 25, 30, 35, 40, 45]
fig, ax1 = plt.subplots()
绘制温度数据（折线图）
ax1.plot(x, temperature, 'r-', label='Temperature')
ax1.set_xlabel('Time (hours)')
ax1.set_ylabel('Temperature (C)', color='r')
ax1.grid(True)
创建第二个y轴
ax2 = ax1.twinx()
ax2.bar(x, humidity, alpha=0.6, color='b', label='Humidity')
ax2.set_ylabel('Humidity (%)', color='b')
ax2.grid(False)
添加标题和图例
fig.suptitle('Temperature and Humidity Over Time')
ax1.legend(loc='upper left')
ax2.legend(loc='upper right')
plt.show()

添加注释

在图表中添加注释可以帮助读者更好地理解数据。可以使用annotate()方法添加注释：

import matplotlib.pyplot as plt
创建数据
x = range(0, 24)
temperature = [15, 16, 17, 18, 20, 22, 25, 28, 30, 32, 33, 34, 35, 34, 33, 31, 29, 27, 24, 22, 20, 18, 17, 16]
humidity = [80, 82, 85, 88, 90, 85, 80, 75, 70, 65, 60, 55, 50, 45, 40, 35, 30, 25, 20, 25, 30, 35, 40, 45]
fig, ax1 = plt.subplots()
绘制温度数据（折线图）
ax1.plot(x, temperature, 'r-', label='Temperature')
ax1.set_xlabel('Time (hours)')
ax1.set_ylabel('Temperature (C)', color='r')
ax1.grid(True)
添加注释
ax1.annotate('Peak Temperature', xy=(12, 35), xytext=(15, 30),
             arrowprops=dict(facecolor='black', shrink=0.05))
创建第二个y轴
ax2 = ax1.twinx()
ax2.bar(x, humidity, alpha=0.6, color='b', label='Humidity')
ax2.set_ylabel('Humidity (%)', color='b')
ax2.grid(False)
添加标题和图例
fig.suptitle('Temperature and Humidity Over Time')
ax1.legend(loc='upper left')
ax2.legend(loc='upper right')
plt.show()

自定义颜色和样式

我们可以自定义图表的颜色和样式，使其更符合我们的需求：

import matplotlib.pyplot as plt
创建数据
x = range(0, 24)
temperature = [15, 16, 17, 18, 20, 22, 25, 28, 30, 32, 33, 34, 35, 34, 33, 31, 29, 27, 24, 22, 20, 18, 17, 16]
humidity = [80, 82, 85, 88, 90, 85, 80, 75, 70, 65, 60, 55, 50, 45, 40, 35, 30, 25, 20, 25, 30, 35, 40, 45]
fig, ax1 = plt.subplots()
绘制温度数据（折线图）
ax1.plot(x, temperature, 'r--', label='Temperature')  # 自定义线条样式
ax1.set_xlabel('Time (hours)')
ax1.set_ylabel('Temperature (C)', color='r')
ax1.grid(True)
创建第二个y轴
ax2 = ax1.twinx()
ax2.bar(x, humidity, alpha=0.6, color='b', label='Humidity')
ax2.set_ylabel('Humidity (%)', color='b')
ax2.grid(False)
添加标题和图例
fig.suptitle('Temperature and Humidity Over Time')
ax1.legend(loc='upper left')
ax2.legend(loc='upper right')
plt.show()