Python使用Matplotlib和Seaborn绘制双Y轴图像详解

小石头

发布时间：2026-10-13| 5人浏览过

原创

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()