Python使用Matplotlib和Seaborn绘制双Y轴图像详解
发布时间：2026-10-13 |
3人浏览过
本文介绍如何在Python中利用Matplotlib和Seaborn库绘制双Y轴图像，解决多函数图像Y轴物理含义不同或数值范围差异较大的问题。通过具体代码示例，展示如何创建主坐标轴与次坐标轴，并分别绘制KDE与CDF曲线，实现清晰的对比展示。
双Y轴绘制的必要性
在数据可视化过程中，经常需要在同一张图表中展示多条函数曲线。当这些曲线的Y轴物理意义不同，或者数值跨度存在显著差异时，使用双Y轴坐标系能够更直观地呈现数据关系。
Matplotlib与Seaborn的支持
Python生态中的Matplotlib和Seaborn库均支持双Y轴图像的绘制，为复杂数据的对比分析提供了灵活的工具。
双Y轴绘图示例代码
以下是一个具体的实现示例，展示了如何结合KDE（核密度估计）与CDF（累积分布函数）进行可视化：
核心代码实现
import seaborn as sns
import matplotlib.pyplot as plt
# ax1 for KDE, ax2 for CDF
f, ax1 = plt.subplots()
ax1.grid(True)
# ax1.set_ylim(0, 1)
ax1.set_ylabel('KDE')
ax1.set_xlabel('DATA')
ax1.set_title('KDE + CDF')
ax1.legend(loc=2)
sns.kdeplot(data, ax=ax1, lw=2, label='KDE') # KDE
ax2 = ax1.twinx() # the reason why it works
ax2.set_ylabel('CDF')
ax2.legend(loc=1)
ax2.hist(data, bins=50, cumulative=True, normed=True, histtype='step', color='red', lw=2, label='CDF') # CDF
plt.show()
总结与参考
上述内容提供了Python绘制双Y轴图像的核心代码与思路，供读者参考与实践。如有其他疑问，欢迎进一步交流探讨。
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
