Matplotlib: Как наложить два графика с разными осями Y?

Matplotlib – мощная библиотека для визуализации данных в Python. Одной из распространенных задач является наложение двух графиков, имеющих разные масштабы или единицы измерения по оси Y. Это позволяет сравнивать и анализировать взаимосвязи между различными наборами данных, представленными на одном графике.

Зачем нужны разные оси Y?

Разные оси Y полезны, когда:

• Вы хотите отобразить два набора данных с разными единицами измерения (например, температуру в градусах Цельсия и влажность в процентах).
• Один набор данных имеет значительно больший диапазон значений, чем другой. Использование одной оси Y приведет к тому, что данные с меньшим диапазоном станут практически невидимыми.
• Необходимо визуализировать корреляцию между двумя переменными, измеряемыми в разных масштабах.

Обзор основных подходов к наложению графиков

Основной подход к наложению графиков с разными осями Y в Matplotlib – использование функции twinx(). Она создает вторую ось Y, которая разделяет ось X с исходным графиком. Также можно использовать twiny() для создания второй оси X, хотя это менее распространено.

Использование twinx() для создания второй оси Y

Основы функции twinx()

Функция twinx() создает новый Axes объект, который накладывается поверх существующего. Новая ось Y находится справа, в то время как исходная остается слева. Оба Axes объекта разделяют одну и ту же ось X.

Пример: Наложение графика температуры и влажности

import matplotlib.pyplot as plt
import numpy as np
from typing import List, Tuple


def plot_temperature_humidity(temperature: List[float], humidity: List[float]) -> None:
    """Plots temperature and humidity on the same graph with separate y-axes."""
    x = np.arange(len(temperature))

    fig, ax1 = plt.subplots()

    color = 'tab:red'
    ax1.set_xlabel('Время (дни)')
    ax1.set_ylabel('Температура (°C)', color=color)
    ax1.plot(x, temperature, color=color)
    ax1.tick_params(axis='y', labelcolor=color)

    ax2 = ax1.twinx()  # instantiate a second axes that shares the same x-axis

    color = 'tab:blue'
    ax2.set_ylabel('Влажность (%)', color=color)  # we already handled the x-label with ax1
    ax2.plot(x, humidity, color=color)
    ax2.tick_params(axis='y', labelcolor=color)

    fig.tight_layout()  # otherwise the right y-label is slightly clipped
    plt.title('Температура и влажность')
    plt.show()


if __name__ == '__main__':
    temperature_data = [20, 22, 25, 23, 21, 24]
    humidity_data = [60, 65, 70, 68, 62, 64]
    plot_temperature_humidity(temperature_data, humidity_data)

В этом примере:

1. Создается основной Axes объект (ax1).
2. На нем рисуется график температуры.
3. Вызывается ax1.twinx(), чтобы создать второй Axes объект (ax2), разделяющий ось X.
4. На ax2 рисуется график влажности.
5. Каждой оси Y назначается свой цвет для лучшей различимости.

Настройка отображения второй оси Y (цвет, метки, деления)

Важно настроить внешний вид второй оси Y, чтобы она не сливалась с первой. Это можно сделать, изменяя цвет, метки и деления оси. В примере выше показано, как изменить цвет метки оси Y с помощью ax2.tick_params(axis='y', labelcolor=color). Аналогично можно настраивать другие параметры отображения.

Более сложные сценарии: twiny() и комбинирование графиков разных типов

Использование twiny() для создания второй оси X (когда это может быть полезно)

Функция twiny() работает аналогично twinx(), но создает вторую ось X, разделяющую ось Y. Это может быть полезно, например, когда вы хотите отобразить одни и те же данные, но с разными единицами измерения по оси X (например, время в секундах и частоту в герцах).

Наложение столбчатой диаграммы и линейного графика с разными осями Y

Можно комбинировать графики разных типов (например, столбчатую диаграмму и линейный график) с разными осями Y. В этом случае важно правильно настроить отображение, чтобы графики не перекрывали друг друга и были легко читаемы.

import matplotlib.pyplot as plt
import numpy as np

def plot_bar_and_line(data1: List[int], data2: List[float], labels: List[str]) -> None:
    """Plots a bar chart and a line graph on the same plot with separate y-axes."""
    x = np.arange(len(labels))

    fig, ax1 = plt.subplots()

    ax1.bar(x, data1, color='skyblue', label='Data 1')
    ax1.set_xlabel('Categories')
    ax1.set_ylabel('Data 1 Value', color='skyblue')
    ax1.tick_params(axis='y', labelcolor='skyblue')

    ax2 = ax1.twinx()
    ax2.plot(x, data2, color='salmon', marker='o', label='Data 2')
    ax2.set_ylabel('Data 2 Value', color='salmon')
    ax2.tick_params(axis='y', labelcolor='salmon')

    plt.xticks(x, labels)
    fig.tight_layout()

    # Add legend
    lines, labels = ax1.get_legend_handles_labels()
    lines2, labels2 = ax2.get_legend_handles_labels()
    ax2.legend(lines + lines2, labels + labels2, loc='upper right')

    plt.title('Bar Chart and Line Graph Combination')
    plt.show()


if __name__ == '__main__':
    categories = ['A', 'B', 'C', 'D', 'E']
    bar_data = [10, 15, 13, 18, 20]
    line_data = [2.0, 2.5, 3.0, 3.5, 4.0]
    plot_bar_and_line(bar_data, line_data, categories)

Решение проблем с видимостью графиков (z-order)

Иногда графики могут перекрываться, затрудняя их чтение. Свойство zorder позволяет контролировать порядок наложения графиков. График с большим значением zorder будет отображаться поверх графика с меньшим значением.

Настройка внешнего вида и улучшение читаемости

Цветовая схема для разделения графиков и осей

Используйте разные цвета для каждого графика и соответствующей оси Y. Это значительно улучшает читаемость графика. Выбор цветов должен быть осознанным, с учетом цветовой слепоты.

Добавление легенды с правильным отображением обеих серий данных

Легенда должна четко указывать, какая линия соответствует какой оси Y. В примере выше показан способ объединения легенд с обеих осей ax1 и ax2.

Использование Grid для облегчения восприятия данных

Сетка (grid) может помочь в оценке значений на графике. Используйте plt.grid(True) для добавления сетки.

Заключение

Преимущества и недостатки использования разных осей Y

Преимущества:

• Возможность отображения данных с разными масштабами и единицами измерения.
• Улучшенное сравнение и анализ взаимосвязей между различными наборами данных.

Недостатки:

• Может ввести в заблуждение, если масштабы осей Y выбраны некорректно.
• Сложность интерпретации для неопытных пользователей.

Когда следует избегать использования разных осей Y

Избегайте использования разных осей Y, если это может исказить представление данных или ввести в заблуждение. В таких случаях лучше использовать отдельные графики или нормализовать данные.

Дополнительные ресурсы для изучения Matplotlib

• Официальная документация Matplotlib
• Галерея примеров Matplotlib