Matlab里做多给轴的函数很直接，双轴是plotyy, 三轴是plotyyy, 四轴是plot4y，更多应该是multiplotyyy。

而matplotlib似乎可以用figure.add_axes()来实现，探索中……

多轴绘制的图层原理

公众号“Matplotlib小讲堂”(微信号:Matplotlibclass)一篇文章介绍了Matplotlib的图层，结合自己的理解，摘要总结如下

图层可分为四种

Canvas层 画布层 位于最底层，用户一般接触不到。 matplotlib.pyplot就是一个canvas层

Figure层 图像层 建立在Canvas之上。 plt.figure()就是一个figure层

Axes层 坐标层 建立在Figure之上。fig.add_axes(ax)就加一个Axes层ax在figure上，这时就可以画出一个空白的坐标了。

plot层 绘制层 坐标轴、图例等辅助信息层以及图像层都是建立在Axes之上【2018-5-14】

多轴的绘制要用到有两种方法可以实现，一是用主轴和寄生轴的方法，即mpl_toolkits.axisartist.parasite_axes里的HostAxes,和ParasiteAxes。 另一种是用twinx()，结合mpl_toolkits.axes_grid1里的host_subplot。 这里用寄生轴的方法实现。

首先是要创建主轴用HostAxes(figure,[ 左，下，宽，高 ]) 然后寄生出独立的y轴来，并共享x轴。独立的y轴对应独立的曲线 将寄生轴加入主轴的列表

第一根寄生轴可以直接借用原坐标的右轴，所以不需要新增轴 如果需要两个以上的y轴，第三个y轴就要新建固定轴了，要用到get_grid_helper().new_fixed_axis 设置第三及更多Y轴的偏移量 将主轴装载到figure上 设置轴的外面特性，比如颜色，刻度范围等

from mpl_toolkits.axisartist.parasite_axes import HostAxes, ParasiteAxes

import matplotlib.pyplot as plt

import numpy as np

fig = plt.figure(1) #定义figure，(1)中的1是什么

ax_cof = HostAxes(fig, [0, 0, 0.9, 0.9]) #用[left, bottom, weight, height]的方式定义axes，0 <= l,b,w,h <= 1

#parasite addtional axes, share x

ax_temp = ParasiteAxes(ax_cof, sharex=ax_cof)

ax_load = ParasiteAxes(ax_cof, sharex=ax_cof)

ax_cp = ParasiteAxes(ax_cof, sharex=ax_cof)

ax_wear = ParasiteAxes(ax_cof, sharex=ax_cof)

#append axes

ax_cof.parasites.append(ax_temp)

ax_cof.parasites.append(ax_load)

ax_cof.parasites.append(ax_cp)

ax_cof.parasites.append(ax_wear)

#invisible right axis of ax_cof

ax_cof.axis['right'].set_visible(False)

ax_cof.axis['top'].set_visible(False)

ax_temp.axis['right'].set_visible(True)

ax_temp.axis['right'].major_ticklabels.set_visible(True)

ax_temp.axis['right'].label.set_visible(True)

#set label for axis

ax_cof.set_ylabel('cof')

ax_cof.set_xlabel('Distance (m)')

ax_temp.set_ylabel('Temperature')

ax_load.set_ylabel('load')

ax_cp.set_ylabel('CP')

ax_wear.set_ylabel('Wear')

load_axisline = ax_load.get_grid_helper().new_fixed_axis

cp_axisline = ax_cp.get_grid_helper().new_fixed_axis

wear_axisline = ax_wear.get_grid_helper().new_fixed_axis

ax_load.axis['right2'] = load_axisline(loc='right', axes=ax_load, offset=(40,0))

ax_cp.axis['right3'] = cp_axisline(loc='right', axes=ax_cp, offset=(80,0))

ax_wear.axis['right4'] = wear_axisline(loc='right', axes=ax_wear, offset=(120,0))

fig.add_axes(ax_cof)

''' #set limit of x, y

ax_cof.set_xlim(0,2)

ax_cof.set_ylim(0,3)

'''

curve_cof, = ax_cof.plot([0, 1, 2], [0, 1, 2], label="CoF", color='black')

curve_temp, = ax_temp.plot([0, 1, 2], [0, 3, 2], label="Temp", color='red')

curve_load, = ax_load.plot([0, 1, 2], [1, 2, 3], label="Load", color='green')

curve_cp, = ax_cp.plot([0, 1, 2], [0, 40, 25], label="CP", color='pink')

curve_wear, = ax_wear.plot([0, 1, 2], [25, 18, 9], label="Wear", color='blue')

ax_temp.set_ylim(0,4)

ax_load.set_ylim(0,4)

ax_cp.set_ylim(0,50)

ax_wear.set_ylim(0,30)

ax_cof.legend()

#轴名称，刻度值的颜色

#ax_cof.axis['left'].label.set_color(ax_cof.get_color())

ax_temp.axis['right'].label.set_color('red')

ax_load.axis['right2'].label.set_color('green')

ax_cp.axis['right3'].label.set_color('pink')

ax_wear.axis['right4'].label.set_color('blue')

ax_temp.axis['right'].major_ticks.set_color('red')

ax_load.axis['right2'].major_ticks.set_color('green')

ax_cp.axis['right3'].major_ticks.set_color('pink')

ax_wear.axis['right4'].major_ticks.set_color('blue')

ax_temp.axis['right'].major_ticklabels.set_color('red')

ax_load.axis['right2'].major_ticklabels.set_color('green')

ax_cp.axis['right3'].major_ticklabels.set_color('pink')

ax_wear.axis['right4'].major_ticklabels.set_color('blue')

ax_temp.axis['right'].line.set_color('red')

ax_load.axis['right2'].line.set_color('green')

ax_cp.axis['right3'].line.set_color('pink')

ax_wear.axis['right4'].line.set_color('blue')

plt.show()

结果是这样的：

以下是摸索过程中的练习，给自己纪录一下。用一个修改了的官方例子来说明一下， jupyter notebook 代码如下：

%matplotlib inline

from mpl_toolkits.axisartist.parasite_axes import HostAxes, ParasiteAxes

import matplotlib.pyplot as plt

fig = plt.figure(1)

host = HostAxes(fig, [0.15, 0.1, 0.65, 0.8])

par1 = ParasiteAxes(host, sharex=host)

par2 = ParasiteAxes(host, sharex=host)

host.parasites.append(par1)

host.parasites.append(par2)

host.set_ylabel('Denstity')

host.set_xlabel('Distance')

host.axis['right'].set_visible(False)

par1.axis['right'].set_visible(True)

par1.set_ylabel('Temperature')

par1.axis['right'].major_ticklabels.set_visible(True)

par1.axis['right'].label.set_visible(True)

par2.set_ylabel('Velocity')

offset = (60, 0)

new_axisline = par2._grid_helper.new_fixed_axis  # "_grid_helper"与"get_grid_helper()"等价，可以代替

#new_axisline = par2.get_grid_helper().new_fixed_axis  # 用"get_grid_helper()"代替，结果一样，区别目前不清楚

par2.axis['right2'] = new_axisline(loc='right', axes=par2, offset=offset)

fig.add_axes(host)

host.set_xlim(0,2)

host.set_ylim(0,2)

host.set_xlabel('Distance')

host.set_ylabel('Density')

host.set_ylabel('Temperature')

p1, = host.plot([0, 1, 2], [0, 1, 2], label="Density")

p2, = par1.plot([0, 1, 2], [0, 3, 2], label="Temperature")

p3, = par2.plot([0, 1, 2], [50, 30, 15], label="Velocity")

par1.set_ylim(0,4)

par2.set_ylim(1,60)

host.legend()

#轴名称，刻度值的颜色

host.axis['left'].label.set_color(p1.get_color())

par1.axis['right'].label.set_color(p2.get_color())

par2.axis['right2'].label.set_color(p3.get_color())

par2.axis['right2'].major_ticklabels.set_color(p3.get_color()) #刻度值颜色

par2.axis['right2'].set_axisline_style('-|>',size=1.5) #轴的形状色

par2.axis['right2'].line.set_color(p3.get_color()) #轴的颜色

结果图是这样：

尝试引入浮动坐标轴来实现多轴，但貌似浮动的纵轴如果在坐标边界右边就不能显示出来了，

update: 浮动轴应该是只能在原坐标内显示，要增加纵轴，像matplab中plotyyy函数那样的纵轴要用固定轴，与浮动轴对应函数是ax.new_fixed_axis(location, offset)

代码如下：

import mpl_toolkits.axisartist as AA

import matplotlib.pyplot as plt

%matplotlib inline

fig = plt.figure(1) #定义figure，(1)中的1是什么

ax = AA.Axes(fig, [0, 0, 0.9, 0.9]) #用[left, bottom, weight, height]的方式定义axes，0 <= l,b,w,h <= 1

fig.add_axes(ax)

#用Subplot的方式定义

ax1 = AA.Subplot(fig,211)

fig.add_axes(ax1)

#控制，t,b,r,l轴的显示与否

ax.axis["right"].set_visible(False)

ax.axis["top"].set_visible(False)

ax1.axis['bottom'].set_visible(False)

ax1.axis['left'].set_visible(False)

#浮动轴，nth_coord=0是横轴，=1是纵轴，value是交叉点

ax.axis['x=0.5'] = ax.new_floating_axis(nth_coord=1, value=0.5)

ax.axis['x=0.5'].set_axisline_style('->', size=1.5) #坐标带箭头#增加y轴，用new_fixed_axis(location, offset(右多少，上多少))ax.axis['right2'] = ax.new_fixed_axis(loc='right', offset=(50,0))

结果如下

试验过程中发现一隐藏功能

jupyter notebook 码如下：

%matplotlib inline

import numpy as np

import matplotlib.pyplot as plt

fig = plt.figure()

t = np.arange(0.0, 1.0, 0.01)

s = np.sin(2 * np.pi * t)

c = np.cos(2 * np.pi * t)

ax1 = fig.add_axes([0, 0, 0.8, 0.5])

line1, = ax1.plot(t, s, color='blue', lw=2)

ax2 = fig.add_axes([0, 0, 0.8, 0.5])

line2, = ax2.plot(t, c, color='blue', lw=2)

plt.show()

执行后跳出一提醒：

X:\anaconda3\lib\site-packages\matplotlib\cbook\deprecation.py:106: MatplotlibDeprecationWarning: Adding an axes using the same arguments as a previous axes currently reuses the earlier instance. In a future version, a new instance will always be created and returned. Meanwhile, this warning can be suppressed, and the future behavior ensured, by passing a unique label to each axes instance.

warnings.warn(message, mplDeprecation, stacklevel=1)图的效果是

因为参数一样，把两图给合并显示了，如果 ax2 = fig.add_axes([0, 0, 0.8, 0.5])中的l,b,w,h有一个不一样，后定义的直接遮盖前面定义，或加上去的axes

来源：https://www.cnblogs.com/dajunma21/p/9001145.html