ax1=ax.twiny()

ax1=plt.twiny()

ax1=ax.twinx()

ax1=plt.twinx()

x = np.arange(0., np.e, 0.01)

y1 = np.exp(-x)

y2 = np.log(x)

fig = plt.figure()

ax1 = fig.add_subplot(111)

ax1.plot(x, y1)

ax1.set_ylabel('Y values for exp(-x)')

ax1.set_title("Double Y axis")

ax2 = ax1.twinx()  # this is the important function

ax2.plot(x, y2, 'r')

ax2.set_xlim([0, np.e])

ax2.set_ylabel('Y values for ln(x)')

ax2.set_xlabel('Same X for both exp(-x) and ln(x)')

plt.show()

# -*- coding: utf-8 -*-

#调用包

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

#读取文件

io=r'E:\工作\专项\白骑士数据验证\白骑士数据汇总表.xlsx'

yinka=pd.read_excel(io,sheet_name='YINKA_sample')

bqs=pd.read_excel(io,sheet_name='BQS_result')

yinka_bqs=pd.merge(yinka,bqs,left_on='no',right_on='no',how='inner')

#绘图

fig,ax=plt.subplots(1,1,figsize=(20, 300))

ax.grid()                  #画网格

x=total.index-1

#为什么+1，因为对不齐，所以使用时根据情况编写

y=total['var1']

ax.plot(x,y,'k--o',alpha=0.5)   #画折线图

ax.set_xlim([0,16])

#设置x轴的取值范围          这个可以让x轴与y轴的起点一致

ax.set_xticks(np.arange(0,16))  #设置x轴的刻度范围

ax.set_xticklabels(np.arange(0,16),rotation=30)

#设置x轴上的刻度

ax.set_ylim([0,1800])           #同理y轴数值范围

ax.set_yticks(range(0,1800,300))#设置y轴的刻度范围

ax.set_yticklabels(range(0,1800,300))#设置y轴上的刻度

ax.legend(loc='upper left')     #设置ax子图的图例(legend)

#新知识点

for a,b in zip(x,y):            #设置注释 zip函数是对应关系

    ax.text(a,b,b,ha='center',va='bottom',fontsize=15)

#重点

ax1=ax.twinx()

#这个是能够实现双y轴的重点，共享x轴；还有一种是双x轴的图表换成ax.twiny()

y1=total[['adopt','reject']]

y1.plot.bar(ax=ax1,alpha=0.5)

#这个是matplotlib中条形图的绘制方法，如果使用seaborn绘制方法使用sns.barplot()函数，需要调整很多细节

#这里只设置了y轴的刻度，x轴的刻度设置了一下偶尔会出现失败，值得注意的是要将数据对齐

ax1.set_ylim([0,1800])

ax1.set_yticks(range(0,1800,300))

ax1.set_yticklabels(range(0,1800,300))

for e,f,w in zip(data_.index,data_[0],data_[1]):

    ax1.text(e-1,f,f,ha='center',va='bottom',fontsize=10,color='b')

    ax1.text(e-1,w,w,ha='center',va='bottom',fontsize=10,color='g')

ax1.legend(loc='best')

plt.show()         #养成习惯这个最好写一下#

#保存图片

plt.savefig('path')  #图表输出到本地