matplotlib 中具有不同比例的多个轴[重复]

问题描述：

如何在 Matplotlib 中实现多个刻度？我说的不是在同一 x 轴上绘制的主轴和次轴，而是像许多趋势一样，它们在同一 y 轴上绘制了不同的刻度，并且可以通过颜色来识别。

例如，如果我有trend1 ([0,1,2,3,4])和trend2 ([5000,6000,7000,8000,9000])要根据时间绘制的图，并且希望两个趋势具有不同的颜色和 Y 轴上的不同比例，那么如何使用 Matplotlib 实现这一点？

当我研究 Matplotlib 时，他们说他们现在还没有这个，尽管这肯定在他们的愿望清单上，有没有办法实现这一点？

还有其他 Python 绘图工具可以实现这一点吗？

解决方案 1：

由于当我在 Google 上搜索多个 y 轴时， Steve Tjoa 的答案总是最先出现且大多时候很孤单，因此我决定添加他的答案的稍微修改版本。这是来自此 matplotlib 示例的方法。

原因：

• 他的模块有时会在未知的情况下失败，并出现神秘的实习错误。

• 我不喜欢加载我不了解的外来模块（mpl_toolkits.axisartist，mpl_toolkits.axes_grid1）。

• 下面的代码包含人们经常遇到的问题的更明确的命令（例如多个轴的单一图例，使用 viridis 等）而不是隐式行为。

import matplotlib.pyplot as plt 

# Create figure and subplot manually
# fig = plt.figure()
# host = fig.add_subplot(111)

# More versatile wrapper
fig, host = plt.subplots(figsize=(8,5), layout='constrained') # (width, height) in inches
# (see https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.subplots.html and
# .. https://matplotlib.org/stable/tutorials/intermediate/constrainedlayout_guide.html)
    
ax2 = host.twinx()
ax3 = host.twinx()
    
host.set_xlim(0, 2)
host.set_ylim(0, 2)
ax2.set_ylim(0, 4)
ax3.set_ylim(1, 65)
    
host.set_xlabel("Distance")
host.set_ylabel("Density")
ax2.set_ylabel("Temperature")
ax3.set_ylabel("Velocity")

color1, color2, color3 = plt.cm.viridis([0, .5, .9])

p1 = host.plot([0, 1, 2], [0, 1, 2],    color=color1, label="Density")
p2 = ax2.plot( [0, 1, 2], [0, 3, 2],    color=color2, label="Temperature")
p3 = ax3.plot( [0, 1, 2], [50, 30, 15], color=color3, label="Velocity")

host.legend(handles=p1+p2+p3, loc='best')

# right, left, top, bottom
ax3.spines['right'].set_position(('outward', 60))

# no x-ticks                 
host.xaxis.set_ticks([])

# Alternatively (more verbose):
# host.tick_params(
#     axis='x',          # changes apply to the x-axis
#     which='both',      # both major and minor ticks are affected
#     bottom=False,      # ticks along the bottom edge are off)
#     labelbottom=False) # labels along the bottom edge are off
# sometimes handy:  direction='in'    

# Move "Velocity"-axis to the left
# ax3.spines['left'].set_position(('outward', 60))
# ax3.spines['left'].set_visible(True)
# ax3.spines['right'].set_visible(False)
# ax3.yaxis.set_label_position('left')
# ax3.yaxis.set_ticks_position('left')

host.yaxis.label.set_color(p1[0].get_color())
ax2.yaxis.label.set_color(p2[0].get_color())
ax3.yaxis.label.set_color(p3[0].get_color())

# For professional typesetting, e.g. LaTeX, use .pgf or .pdf
# For raster graphics use the dpi argument. E.g. '[...].png", dpi=300)'
plt.savefig("pyplot_multiple_y-axis.pdf", bbox_inches='tight')
# bbox_inches='tight': Try to strip excess whitespace
# https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.savefig.html

解决方案 2：

如果我理解了这个问题，您可能会对Matplotlib 图库中的这个示例感兴趣。

Yann 的上述评论提供了一个类似的例子。

编辑 - 上面的链接已修复。从 Matplotlib 库复制的相应代码：

from mpl_toolkits.axes_grid1 import host_subplot
import mpl_toolkits.axisartist as AA
import matplotlib.pyplot as plt

host = host_subplot(111, axes_class=AA.Axes)
plt.subplots_adjust(right=0.75)

par1 = host.twinx()
par2 = host.twinx()

offset = 60
new_fixed_axis = par2.get_grid_helper().new_fixed_axis
par2.axis["right"] = new_fixed_axis(loc="right", axes=par2,
                                        offset=(offset, 0))

par2.axis["right"].toggle(all=True)

host.set_xlim(0, 2)
host.set_ylim(0, 2)

host.set_xlabel("Distance")
host.set_ylabel("Density")
par1.set_ylabel("Temperature")
par2.set_ylabel("Velocity")

p1, = host.plot([0, 1, 2], [0, 1, 2], label="Density")
p2, = par1.plot([0, 1, 2], [0, 3, 2], label="Temperature")
p3, = par2.plot([0, 1, 2], [50, 30, 15], label="Velocity")

par1.set_ylim(0, 4)
par2.set_ylim(1, 65)

host.legend()

host.axis["left"].label.set_color(p1.get_color())
par1.axis["right"].label.set_color(p2.get_color())
par2.axis["right"].label.set_color(p3.get_color())

plt.draw()
plt.show()

#plt.savefig("Test")

解决方案 3：

如果你想用辅助 Y 轴快速绘制图表，那么使用 Pandas 包装函数和仅 2 行代码是一种更简单的方法。只需绘制第一列，然后绘制第二列，但使用参数secondary_y=True，如下所示：

df.A.plot(label="Points", legend=True)
df.B.plot(secondary_y=True, label="Comments", legend=True)

看起来如下所示：

您还可以做更多的事情。请查看Pandas 绘图文档。