主副Y轴刻度不匹配：如何创建与主Y轴关联的副Y轴？

问题背景 #

你需要绘制以Gamma_ray为X轴，左侧Y轴对应DEPTH、右侧Y轴对应TVD_SCS_interp的双Y轴图表，两条曲线因Gamma_ray值一致本应完全重叠，但默认双Y轴的刻度位置不匹配导致对齐偏差。

示例数据 #

DEPTH,TVD_SCS_interp,Gamma_ray
1000,998.5,65
1050,1047.2,72
1100,1096.0,58
1150,1144.8,68
1200,1193.5,75

原问题代码（存在刻度对齐问题） #

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('data.csv')

fig, ax1 = plt.subplots()

# 左Y轴：DEPTH 对应 Gamma_ray
ax1.plot(df['Gamma_ray'], df['DEPTH'], color='blue', label='DEPTH')
ax1.set_xlabel('Gamma_ray')
ax1.set_ylabel('DEPTH')
ax1.invert_yaxis()  # 测井数据Y轴通常向下增大，需反转

# 右Y轴：TVD_SCS_interp 对应 Gamma_ray
ax2 = ax1.twinx()
ax2.plot(df['Gamma_ray'], df['TVD_SCS_interp'], color='red', label='TVD_SCS_interp')
ax2.set_ylabel('TVD_SCS_interp')

plt.legend()
plt.show()

解决方案：强制副Y轴刻度与主Y轴关联 #

核心思路是让副Y轴的刻度位置与主Y轴完全一致，仅替换刻度标签为TVD_SCS_interp的对应值，确保两条曲线严格对齐。

修正后代码 #

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

df = pd.read_csv('data.csv')

fig, ax1 = plt.subplots(figsize=(8, 10))

# 绘制主Y轴曲线（DEPTH）
ax1.plot(df['Gamma_ray'], df['DEPTH'], color='blue', label='DEPTH')
ax1.set_xlabel('Gamma_ray', fontsize=12)
ax1.set_ylabel('DEPTH', fontsize=12)
ax1.invert_yaxis()
ax1.grid(True, alpha=0.3)

# 创建关联副Y轴
ax2 = ax1.twinx()

# 绘制副Y轴曲线（TVD_SCS_interp）
ax2.plot(df['Gamma_ray'], df['TVD_SCS_interp'], color='red', linestyle='--', label='TVD_SCS_interp')
ax2.set_ylabel('TVD_SCS_interp', fontsize=12)

# 关键步骤：对齐刻度位置并映射对应值
# 获取主Y轴的刻度位置（对应DEPTH值）
ax1_ticks = ax1.get_yticks()
# 用线性插值，将主轴DEPTH刻度映射为对应的TVD_SCS_interp值
ax2_ticks = np.interp(ax1_ticks, df['DEPTH'], df['TVD_SCS_interp'])

# 设置副Y轴刻度位置与主轴一致，替换标签为TVD值
ax2.set_yticks(ax1_ticks)
ax2.set_yticklabels([f'{tick:.1f}' for tick in ax2_ticks])
# 强制副Y轴范围与主轴匹配，避免刻度溢出
ax2.set_ylim(ax1.get_ylim())

# 合并图例
lines1, labels1 = ax1.get_legend_handles_labels()
lines2, labels2 = ax2.get_legend_handles_labels()
ax1.legend(lines1 + lines2, labels1 + labels2, loc='upper right')

plt.title('Gamma_ray vs DEPTH/TVD_SCS_interp', fontsize=14)
plt.tight_layout()
plt.show()

优化说明 #

• 如果DEPTH与TVD_SCS_interp是严格线性关系（如TVD = a*DEPTH + b），可直接用线性公式计算副轴刻度，效率更高：

  a, b = np.polyfit(df['DEPTH'], df['TVD_SCS_interp'], 1)
  ax2_ticks = a * ax1_ticks + b
  

• ax1.invert_yaxis()是测井数据可视化的常规操作，确保深度数值向下递增。

内容的提问来源于stack exchange，提问作者Mahammad Ojagzada