如何在 Python 中创建一个带有左右两个独立纵坐标的图表？

在Python中，可以使用matplotlib库创建带有多组独立纵坐标轴的图表，例如双y轴图表。下面是一个简单的例子：

import matplotlib.pyplot as plt

# 创建数据
data1 = [1, 2, 3, 4]
data2 = [5, 6, 7, 8]

fig, ax1 = plt.subplots()  # 创建主图
ax1.set_ylabel('Main Y-axis')  # 设置主轴标签

# 第二条y轴
ax2 = ax1.twinx()  # 使用twinx函数在同一x轴上添加第二个y轴
ax2.set_ylabel('Secondary Y-axis')  # 设置副轴标签

# 分别绘制两条线到各自的y轴
ax1.plot(data1)
ax2.plot(data2)

# 显示图表标题和调整轴范围
plt.title('Two independent y-axes')
ax1.set_ylim(0, 10)  # 主轴范围
ax2.set_ylim(5, 15)   # 副轴范围

# 显示图表
plt.show()

相关问题

python编程根据‘新生数据.xls’，分别绘制： 男生身高分布直方图和拟合曲线； 女生身高分布直方图和拟合曲线； 各省男女身高柱形图（横坐标为各省，纵坐标为身高）； 各省男女人数堆叠柱形图（横坐标为各省，纵坐标为人数） 要求： 创建带有2行2列子图的窗口以显示上述4图，合理布局图大小。

由于本题需要读取Excel文件和绘制多张图表，建议使用pandas和matplotlib库来完成。

以下是代码实现：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# 读取Excel数据
df = pd.read_excel('新生数据.xlsx')

# 绘制男生身高分布直方图和拟合曲线
male_df = df[df['性别'] == '男']
sns.displot(data=male_df, x='身高', kde=True)
plt.title('Male Height Distribution')
plt.xlabel('Height (cm)')
plt.ylabel('Count')

# 绘制女生身高分布直方图和拟合曲线
female_df = df[df['性别'] == '女']
sns.displot(data=female_df, x='身高', kde=True)
plt.title('Female Height Distribution')
plt.xlabel('Height (cm)')
plt.ylabel('Count')

# 绘制各省男女身高柱形图
province_df = df.groupby(['省份', '性别'])['身高'].mean().unstack()
province_df.plot(kind='bar')
plt.title('Average Height by Province')
plt.xlabel('Province')
plt.ylabel('Height (cm)')

# 绘制各省男女人数堆叠柱形图
count_df = df.groupby(['省份', '性别'])['身高'].count().unstack()
count_df.plot(kind='bar', stacked=True)
plt.title('Student Count by Province and Gender')
plt.xlabel('Province')
plt.ylabel('Count')

# 设置图表窗口布局
fig, axs = plt.subplots(nrows=2, ncols=2, figsize=(12, 8))

# 将前两张图表添加到第一行的子图区域中
axs[0][0].set_aspect('equal')
plt.sca(axs[0][0])
sns.displot(data=male_df, x='身高', kde=True)
plt.title('Male Height Distribution')
plt.xlabel('Height (cm)')
plt.ylabel('Count')

axs[0][1].set_aspect('equal')
plt.sca(axs[0][1])
sns.displot(data=female_df, x='身高', kde=True)
plt.title('Female Height Distribution')
plt.xlabel('Height (cm)')
plt.ylabel('Count')

# 将后两张图表添加到第二行的子图区域中
axs[1][0].set_aspect('equal')
plt.sca(axs[1][0])
province_df.plot(kind='bar')
plt.title('Average Height by Province')
plt.xlabel('Province')
plt.ylabel('Height (cm)')

axs[1][1].set_aspect('equal')
plt.sca(axs[1][1])
count_df.plot(kind='bar', stacked=True)
plt.title('Student Count by Province and Gender')
plt.xlabel('Province')
plt.ylabel('Count')

plt.tight_layout()
plt.show()

代码解析：

首先使用pandas库的`read_excel`函数读取Excel文件，得到一个DataFrame对象。

然后，使用seaborn库的`displot`函数分别绘制男生和女生的身高分布直方图，并设置显示拟合曲线。接下来，使用pandas库的`groupby`函数按照省份和性别对数据进行分组，并计算不同省份和性别的学生平均身高和人数。最后，使用matplotlib库的`plot`函数绘制各省男女身高和人数的柱形图。

为了显示多张图片，我们创建了一个`2x2`的子图的窗口，并将前两张图放在第一行的子图区域中，后两张图放在第二行的子图区域中。使用matplotlib库的`tight_layout`函数调整图表的布局。

最后，使用`show`函数显示图表。