Matplotlib中如何为次坐标轴添加Y轴标签|极客教程

Matplotlib中如何为次坐标轴添加Y轴标签

参考：How to Add a Y-Axis Label to the Secondary Y-Axis in Matplotlib

Matplotlib是Python中最流行的数据可视化库之一，它提供了丰富的绘图功能，能够创建各种类型的图表。在数据可视化过程中，我们经常需要在一个图表中展示多个数据系列，有时这些数据系列的单位或数量级可能不同。在这种情况下，使用双Y轴（主Y轴和次Y轴）可以更好地展示数据。本文将详细介绍如何在Matplotlib中为次坐标轴添加Y轴标签，以及相关的技巧和注意事项。

1. 理解Matplotlib中的坐标轴系统

在开始学习如何为次坐标轴添加Y轴标签之前，我们需要先了解Matplotlib中的坐标轴系统。Matplotlib中的图表通常由以下几个主要部分组成：

Figure：整个图表的容器
Axes：实际的绘图区域，包含数据点、坐标轴等
Axis：坐标轴对象，包括刻度、标签等

在默认情况下，一个图表只有一个Y轴。但是，Matplotlib允许我们添加第二个Y轴，即次坐标轴。这个次坐标轴通常位于图表的右侧，与主Y轴共享X轴。

让我们通过一个简单的例子来了解如何创建一个带有双Y轴的图表：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.exp(x)

# 创建图表和坐标轴
fig, ax1 = plt.subplots()

# 绘制第一条线（使用主Y轴）
ax1.plot(x, y1, 'b-', label='sin(x)')
ax1.set_xlabel('X轴 - how2matplotlib.com')
ax1.set_ylabel('Y轴1 - sin(x)', color='b')

# 创建次坐标轴
ax2 = ax1.twinx()

# 绘制第二条线（使用次Y轴）
ax2.plot(x, y2, 'r-', label='exp(x)')
ax2.set_ylabel('Y轴2 - exp(x)', color='r')

# 添加图例
fig.legend(loc='upper left', bbox_to_anchor=(0.1, 1), bbox_transform=ax1.transAxes)

plt.title('双Y轴示例 - how2matplotlib.com')
plt.show()

Output:

Matplotlib中如何为次坐标轴添加Y轴标签

在这个例子中，我们创建了一个包含两个不同数据系列的图表。sin(x)使用主Y轴，而exp(x)使用次Y轴。通过使用ax1.twinx()方法，我们创建了一个与主坐标轴共享X轴的次坐标轴。

2. 为次坐标轴添加Y轴标签

现在我们已经了解了如何创建双Y轴图表，接下来让我们专注于为次坐标轴添加Y轴标签。在Matplotlib中，我们可以使用set_ylabel()方法为坐标轴添加标签。对于次坐标轴，我们只需要在次坐标轴对象上调用这个方法即可。

以下是一个更详细的例子，展示了如何为次坐标轴添加Y轴标签：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = x**2

# 创建图表和主坐标轴
fig, ax1 = plt.subplots()

# 绘制第一条线（使用主Y轴）
ax1.plot(x, y1, 'b-', label='sin(x)')
ax1.set_xlabel('X轴 - how2matplotlib.com')
ax1.set_ylabel('主Y轴 - sin(x)', color='b')
ax1.tick_params(axis='y', labelcolor='b')

# 创建次坐标轴
ax2 = ax1.twinx()

# 绘制第二条线（使用次Y轴）
ax2.plot(x, y2, 'r-', label='x^2')
ax2.set_ylabel('次Y轴 - x^2', color='r')
ax2.tick_params(axis='y', labelcolor='r')

# 添加图例
fig.legend(loc='upper left', bbox_to_anchor=(0.1, 1), bbox_transform=ax1.transAxes)

plt.title('为次坐标轴添加Y轴标签 - how2matplotlib.com')
plt.tight_layout()
plt.show()

Output:

Matplotlib中如何为次坐标轴添加Y轴标签

在这个例子中，我们使用ax2.set_ylabel()方法为次坐标轴添加了Y轴标签。我们还使用了tick_params()方法来设置刻度标签的颜色，使其与对应的线条颜色一致，以提高可读性。

3. 自定义次坐标轴Y轴标签的样式

Matplotlib提供了多种方法来自定义坐标轴标签的样式。我们可以调整标签的字体、大小、颜色、旋转角度等属性。以下是一个展示如何自定义次坐标轴Y轴标签样式的例子：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 创建图表和主坐标轴
fig, ax1 = plt.subplots()

# 绘制第一条线（使用主Y轴）
ax1.plot(x, y1, 'b-', label='sin(x)')
ax1.set_xlabel('X轴 - how2matplotlib.com')
ax1.set_ylabel('主Y轴 - sin(x)', color='b', fontsize=12)

# 创建次坐标轴
ax2 = ax1.twinx()

# 绘制第二条线（使用次Y轴）
ax2.plot(x, y2, 'r-', label='cos(x)')

# 自定义次坐标轴Y轴标签
ax2.set_ylabel('次Y轴 - cos(x)', color='r', fontsize=14, fontweight='bold', rotation=-90, labelpad=15)

# 添加图例
fig.legend(loc='upper left', bbox_to_anchor=(0.1, 1), bbox_transform=ax1.transAxes)

plt.title('自定义次坐标轴Y轴标签样式 - how2matplotlib.com')
plt.tight_layout()
plt.show()

Output:

Matplotlib中如何为次坐标轴添加Y轴标签

在这个例子中，我们对次坐标轴的Y轴标签进行了以下自定义：

设置颜色为红色
设置字体大小为14
设置字体粗细为粗体
将标签旋转90度
增加了标签与轴的间距

通过这些自定义选项，我们可以使次坐标轴的Y轴标签更加突出和易读。

4. 处理长标签文本

有时，Y轴标签可能包含较长的文本，这可能会导致标签与图表重叠或超出图表边界。在这种情况下，我们可以采取一些措施来改善标签的显示效果。以下是一个处理长标签文本的例子：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.exp(x)

# 创建图表和主坐标轴
fig, ax1 = plt.subplots(figsize=(10, 6))

# 绘制第一条线（使用主Y轴）
ax1.plot(x, y1, 'b-', label='sin(x)')
ax1.set_xlabel('X轴 - how2matplotlib.com')
ax1.set_ylabel('主Y轴 - 正弦函数值', color='b')

# 创建次坐标轴
ax2 = ax1.twinx()

# 绘制第二条线（使用次Y轴）
ax2.plot(x, y2, 'r-', label='exp(x)')

# 处理长标签文本
long_label = "次Y轴 - 指数函数值\n(对数刻度)"
ax2.set_ylabel(long_label, color='r', fontsize=12, rotation=0, ha='left', va='bottom')
ax2.yaxis.set_label_coords(1.05, 1.02)

# 设置次Y轴为对数刻度
ax2.set_yscale('log')

# 添加图例
fig.legend(loc='upper left', bbox_to_anchor=(0.1, 1), bbox_transform=ax1.transAxes)

plt.title('处理长标签文本 - how2matplotlib.com')
plt.tight_layout()
plt.show()

Output:

Matplotlib中如何为次坐标轴添加Y轴标签

在这个例子中，我们采取了以下措施来处理长标签文本：

使用\n将长文本分成两行
将标签旋转角度设为0（水平）
使用ha='left'和va='bottom'调整文本对齐方式
使用yaxis.set_label_coords()方法调整标签的位置

这些技巧可以帮助我们更好地处理长标签文本，使图表更加清晰和美观。

5. 调整次坐标轴的范围和刻度

有时，我们可能需要调整次坐标轴的范围和刻度，以更好地展示数据。Matplotlib提供了多种方法来实现这一点。以下是一个展示如何调整次坐标轴范围和刻度的例子：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = x**2

# 创建图表和主坐标轴
fig, ax1 = plt.subplots()

# 绘制第一条线（使用主Y轴）
ax1.plot(x, y1, 'b-', label='sin(x)')
ax1.set_xlabel('X轴 - how2matplotlib.com')
ax1.set_ylabel('主Y轴 - sin(x)', color='b')

# 创建次坐标轴
ax2 = ax1.twinx()

# 绘制第二条线（使用次Y轴）
ax2.plot(x, y2, 'r-', label='x^2')
ax2.set_ylabel('次Y轴 - x^2', color='r')

# 调整次坐标轴的范围
ax2.set_ylim(0, 100)

# 设置次坐标轴的刻度
ax2.set_yticks(np.arange(0, 101, 20))

# 为次坐标轴添加次要刻度
ax2.yaxis.set_minor_locator(plt.MultipleLocator(5))

# 添加图例
fig.legend(loc='upper left', bbox_to_anchor=(0.1, 1), bbox_transform=ax1.transAxes)

plt.title('调整次坐标轴的范围和刻度 - how2matplotlib.com')
plt.tight_layout()
plt.show()

Output:

Matplotlib中如何为次坐标轴添加Y轴标签

在这个例子中，我们对次坐标轴进行了以下调整：

使用set_ylim()方法设置Y轴的范围
使用set_yticks()方法设置主要刻度
使用yaxis.set_minor_locator()方法添加次要刻度

通过这些调整，我们可以更精确地控制次坐标轴的显示效果，使图表更加清晰和易读。

6. 使用不同的单位和数量级

在某些情况下，我们可能需要在同一图表中显示具有不同单位或数量级的数据。使用双Y轴可以很好地解决这个问题。以下是一个展示如何处理不同单位和数量级的例子：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x) * 100  # 以百分比表示
y2 = np.exp(x) * 1000  # 以千为单位

# 创建图表和主坐标轴
fig, ax1 = plt.subplots()

# 绘制第一条线（使用主Y轴）
ax1.plot(x, y1, 'b-', label='sin(x)')
ax1.set_xlabel('X轴 - how2matplotlib.com')
ax1.set_ylabel('主Y轴 - 百分比 (%)', color='b')
ax1.tick_params(axis='y', labelcolor='b')

# 创建次坐标轴
ax2 = ax1.twinx()

# 绘制第二条线（使用次Y轴）
ax2.plot(x, y2, 'r-', label='exp(x)')
ax2.set_ylabel('次Y轴 - 千 (K)', color='r')
ax2.tick_params(axis='y', labelcolor='r')

# 设置Y轴格式
ax1.yaxis.set_major_formatter(plt.FuncFormatter(lambda x, p: f'{x:.0f}%'))
ax2.yaxis.set_major_formatter(plt.FuncFormatter(lambda x, p: f'{x/1000:.1f}K'))

# 添加图例
fig.legend(loc='upper left', bbox_to_anchor=(0.1, 1), bbox_transform=ax1.transAxes)

plt.title('使用不同的单位和数量级 - how2matplotlib.com')
plt.tight_layout()
plt.show()

Output:

Matplotlib中如何为次坐标轴添加Y轴标签

在这个例子中，我们展示了如何处理具有不同单位和数量级的数据：

主Y轴显示百分比数据
次Y轴显示以千为单位的数据
使用FuncFormatter自定义刻度标签的格式

通过这种方式，我们可以在同一图表中清晰地展示不同单位和数量级的数据。

7. 为次坐标轴添加网格线

网格线可以帮助读者更准确地读取数据点的值。Matplotlib允许我们为主坐标轴和次坐标轴分别添加网格线。以下是一个展示如何为次坐标轴添加网格线的例子：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 创建图表和主坐标轴
fig, ax1 = plt.subplots()

# 绘制第一条线（使用主Y轴）
ax1.plot(x, y1, 'b-', label='sin(x)')
ax1.set_xlabel('X轴 - how2matplotlib.com')
ax1.set_ylabel('主Y轴 - sin(x)', color='b')
ax1.tick_params(axis='y', labelcolor='b')

# 为主坐标轴添加网格线
ax1.grid(True, linestyle='--', alpha=0.7)

# 创建次坐标轴
ax2 = ax1.twinx()

# 绘制第二条线（使用次Y轴）
ax2.plot(x, y2, 'r-', label='cos(x)')
ax2.set_ylabel('次Y轴 - cos(x)', color='r')
ax2.tick_params(axis='y', labelcolor='r')

# 为次坐标轴添加网格线
ax2.grid(True, linestyle=':', alpha=0.7, color='r')

# 添加图例
fig.legend(loc='upper left', bbox_to_anchor=(0.1, 1), bbox_transform=ax1.transAxes)

plt.title('为次坐标轴添加网格线 - how2matplotlib.com')
plt.tight_layout()
plt.show()

Output:

Matplotlib中如何为次坐标轴添加Y轴标签

在这个例子中，我们为主坐标轴和次坐标轴分别添加了不同样式的网格线：

主坐标轴使用蓝色虚线网格
次坐标轴使用红色点线网格

通过使用不同的颜色和线型，我们可以轻松区分两个坐标轴的网格线。

8. 调整次坐标轴的位置

默认情况下，次坐标轴位于图表的右侧。但有时我们可能需要将其放置在其他位置，例如图表的顶部。以下是一个展示如何调整次坐标轴位置的例子：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 创建图表和主坐标轴
fig, ax1 = plt.subplots()

# 绘制第一条线（使用主Y轴）
ax1.plot(x, y1, 'b-', label='sin(x)')
ax1.set_xlabel('X轴 - how2matplotlib.com')
ax1.set_ylabel('主Y轴 - sin(x)', color='b')
ax1.tick_params(axis='y', labelcolor='b')

# 创建次坐标轴（顶部）
ax2 = ax1.twiny()

# 绘制第二条线（使用次X轴）
ax2.plot(y2, x, 'r-', label='cos(x)')
ax2.set_xlabel('次X轴 - cos(x)', color='r')
ax2.tick_params(axis='x', labelcolor='r')

# 调整次坐标轴的位置
ax2.xaxis.set_ticks_position('top')
ax2.xaxis.set_label_position('top')

# 添加图例
fig.legend(loc='upper left', bbox_to_anchor=(0.1, 0.9), bbox_transform=ax1.transAxes)

plt.title('调整次坐标轴的位置 - how2matplotlib.com')
plt.tight_layout()
plt.show()

Output:

Matplotlib中如何为次坐标轴添加Y轴标签

在这个例子中，我们将次坐标轴放置在图表的顶部：

使用twiny()方法创建共享Y轴的次坐标轴
使用xaxis.set_ticks_position('top')将刻度放置在顶部
使用xaxis.set_label_position('top')将标签放置在顶部

通过这种方式，我们可以灵活地调整次坐标轴的位置，以适应不同的数据展示需求。

9. 使用颜色渐变

为了使图表更具视觉吸引力，我们可以使用颜色渐变来绘制数据线。这对于区分主坐标轴和次坐标轴的数据特别有用。以下是一个使用颜色渐变的例子：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.colors import LinearSegmentedColormap

# 创建数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.exp(x)

# 创建自定义颜色映射
colors1 = ['#1f77b4', '#ff7f0e']  # 蓝到橙
colors2 = ['#2ca02c', '#d62728']  # 绿到红
n_bins = 100
cmap1 = LinearSegmentedColormap.from_list('custom1', colors1, N=n_bins)
cmap2 = LinearSegmentedColormap.from_list('custom2', colors2, N=n_bins)

# 创建图表和主坐标轴
fig, ax1 = plt.subplots()

# 绘制第一条线（使用主Y轴）
points1 = ax1.scatter(x, y1, c=x, cmap=cmap1, label='sin(x)')
ax1.set_xlabel('X轴 - how2matplotlib.com')
ax1.set_ylabel('主Y轴 - sin(x)', color=colors1[0])
ax1.tick_params(axis='y', labelcolor=colors1[0])

# 创建次坐标轴
ax2 = ax1.twinx()

# 绘制第二条线（使用次Y轴）
points2 = ax2.scatter(x, y2, c=x, cmap=cmap2, label='exp(x)')
ax2.set_ylabel('次Y轴 - exp(x)', color=colors2[0])
ax2.tick_params(axis='y', labelcolor=colors2[0])

# 添加颜色条
cbar1 = fig.colorbar(points1, ax=ax1, pad=0.1)
cbar2 = fig.colorbar(points2, ax=ax2, pad=0.1)

# 添加图例
fig.legend(loc='upper left', bbox_to_anchor=(0.1, 1), bbox_transform=ax1.transAxes)

plt.title('使用颜色渐变 - how2matplotlib.com')
plt.tight_layout()
plt.show()

Output:

Matplotlib中如何为次坐标轴添加Y轴标签

在这个例子中，我们使用了颜色渐变来绘制数据点：

为主坐标轴和次坐标轴创建不同的颜色映射
使用scatter()方法绘制数据点，并应用颜色映射
添加颜色条以显示颜色与X轴值的对应关系

这种方法可以使图表更加生动，并帮助读者更好地理解数据的变化趋势。

10. 添加注释和文本

在双Y轴图表中添加注释和文本可以帮助解释数据或突出显示重要信息。以下是一个展示如何在双Y轴图表中添加注释和文本的例子：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.exp(x)

# 创建图表和主坐标轴
fig, ax1 = plt.subplots()

# 绘制第一条线（使用主Y轴）
ax1.plot(x, y1, 'b-', label='sin(x)')
ax1.set_xlabel('X轴 - how2matplotlib.com')
ax1.set_ylabel('主Y轴 - sin(x)', color='b')
ax1.tick_params(axis='y', labelcolor='b')

# 创建次坐标轴
ax2 = ax1.twinx()

# 绘制第二条线（使用次Y轴）
ax2.plot(x, y2, 'r-', label='exp(x)')
ax2.set_ylabel('次Y轴 - exp(x)', color='r')
ax2.tick_params(axis='y', labelcolor='r')

# 添加注释
ax1.annotate('最大值', xy=(np.pi/2, 1), xytext=(np.pi/2, 1.2),
             arrowprops=dict(facecolor='black', shrink=0.05),
             horizontalalignment='center')

ax2.annotate('快速增长', xy=(8, np.exp(8)), xytext=(6, 1000),
             arrowprops=dict(facecolor='red', shrink=0.05),
             color='red')

# 添加文本
ax1.text(5, 0, '周期性变化', fontsize=12, color='blue', ha='center')
ax2.text(2, np.exp(9), '指数增长', fontsize=12, color='red', ha='center')

# 添加图例
fig.legend(loc='upper left', bbox_to_anchor=(0.1, 1), bbox_transform=ax1.transAxes)

plt.title('添加注释和文本 - how2matplotlib.com')
plt.tight_layout()
plt.show()