别再只用plot了！Matlab双Y轴绘图保姆级教程（从yyaxis到plotyy全解析）

Matlab双Y轴绘图全攻略：从yyaxis到plotyy的深度实践

科研数据可视化中，我们经常遇到需要同时展示两组量纲不同或数值范围差异巨大的数据。比如气象研究中需要将温度曲线与降水曲线叠加，或者金融分析中需要对比股价与成交量。这时候，传统的单Y轴图表就显得力不从心——要么一组数据被压缩成几乎看不见的直线，要么另一组数据暴涨出图表边界。这就是双Y轴图表大显身手的时候了。

Matlab提供了两种主要的双Y轴实现方案：现代简洁的yyaxis和传统灵活的plotyy。本文将带你全面掌握这两种方法，从基础使用到高级定制，最后通过一个完整的科研案例展示如何制作专业级的双Y轴图表。无论你是刚开始接触Matlab的新手，还是希望提升图表质量的中级用户，都能在这里找到实用的技巧和深入的解析。

1. 为什么需要双Y轴图表

在数据可视化领域，双Y轴图表一直是个有争议但又不可或缺的工具。反对者认为它可能造成视觉误导，支持者则欣赏它高效的数据对比能力。实际上，当满足以下条件时，双Y轴是最佳选择：

1. 量纲不同但存在关联：比如温度(℃)与湿度(%)，股价(元)与成交量(手)
2. 数值范围差异巨大：比如主数据在0-1之间，辅助数据在10000-20000之间
3. 需要观察同步变化：比如研究气温变化与空调销量之间的关系

提示：使用双Y轴时，务必确保两组数据确实存在可比性或关联性，避免纯粹为了节省空间而强行合并。

传统解决方案是绘制两个独立图表并排显示，但这会：

• 增加视觉跳转成本
• 浪费展示空间
• 降低数据对比的直接性

而Matlab的双Y轴功能完美解决了这些问题，让我们能够：

• 保持数据各自的量纲和单位
• 自动适配不同的数值范围
• 在同一坐标系中观察数据关联

2. 现代首选：yyaxis函数详解

自2016b版本引入的yyaxis函数代表了Matlab对双Y轴绘图的全新设计思路。相比传统的plotyy，它提供了更简洁直观的API，特别适合Matlab新手快速上手。

2.1 基础使用三步法

让我们从一个最简单的余弦函数示例开始：

x = linspace(0, 2*pi, 100); y1 = sin(x); % 左轴数据 y2 = exp(x); % 右轴数据 figure yyaxis left % 激活左轴 plot(x, y1, 'b-', 'LineWidth', 2) ylabel('正弦值', 'FontSize', 12) yyaxis right % 切换至右轴 plot(x, y2, 'r--', 'LineWidth', 2) ylabel('指数值', 'FontSize', 12) xlabel('X轴', 'FontSize', 12) title('yyaxis基础示例', 'FontSize', 14) grid on

关键操作流程：

1. 使用yyaxis left激活左侧Y轴
2. 绘制左轴数据并设置标签
3. 用yyaxis right切换至右侧Y轴
4. 绘制右轴数据并设置标签

2.2 高级样式定制

专业图表往往需要精细的样式控制。yyaxis虽然API简洁，但通过结合句柄操作，仍能实现高度定制：

figure yyaxis left h1 = plot(x, y1, 'b-', 'LineWidth', 2); ax = gca; ax.YColor = 'b'; % 左轴颜色 ylabel('温度 (℃)', 'Color', 'b') yyaxis right h2 = plot(x, y2*100, 'r:', 'LineWidth', 2); ax.YColor = 'r'; % 右轴颜色 ylabel('湿度 (%)', 'Color', 'r') % 统一设置 xlabel('时间 (h)') title('气象站24小时监测数据', 'FontWeight', 'bold') legend([h1 h2], {'温度', '湿度'}, 'Location', 'northwest') set(gca, 'FontSize', 11, 'XGrid', 'on', 'YGrid', 'on')

常用定制属性：

• 坐标轴颜色：通过ax.YColor设置
• 标签颜色：在ylabel中指定Color参数
• 线型样式：LineWidth控制粗细，LineStyle控制虚实
• 图例定位：使用legend的Location参数

2.3 实际应用技巧

在实际科研工作中，以下几个技巧能大幅提升图表质量：

自动范围调整

yyaxis left ylim([min(y1)*1.1 max(y1)*1.1]) % 留10%边距 yyaxis right ylim([min(y2)*0.9 max(y2)*1.1]) % 非对称边距

多数据集处理

yyaxis left hold on plot(x, y1, 'b') plot(x, y1*0.8, 'b--') % 左轴第二组数据 yyaxis right hold on plot(x, y2, 'r') plot(x, y2*1.2, 'r:') % 右轴第二组数据

非对称刻度设置

yyaxis left yticks(-1:0.2:1) % 左轴刻度步长0.2 yyaxis right yticks(0:20:100) % 右轴刻度步长20

3. 传统方案：plotyy函数深度解析

虽然yyaxis已成为现代Matlab的首选，但传统的plotyy函数仍有一定存在价值，特别是在需要更精细控制或兼容旧代码时。

3.1 基础语法对比

plotyy的基本调用方式与常规plot有显著不同：

x = 0:0.1:10; y1 = sin(x); y2 = 10*cos(x); [ax, h1, h2] = plotyy(x, y1, x, y2); % 设置标签 ylabel(ax(1), '正弦波') ylabel(ax(2), '余弦波') xlabel('X轴') % 设置线型 set(h1, 'LineStyle', '-', 'Color', 'b') set(h2, 'LineStyle', '--', 'Color', 'r') % 设置坐标轴颜色 set(ax(1), 'YColor', 'b') set(ax(2), 'YColor', 'r')

关键区别：

• 单次调用同时绘制两组数据
• 返回三个关键句柄：坐标轴(ax)和线条对象(h1,h2)
• 样式设置需要通过set函数完成

3.2 高级功能探索

plotyy的真正优势在于其灵活性，能够实现一些yyaxis难以完成的操作：

不同x轴数据

x1 = 0:0.1:10; x2 = 5:0.1:15; y1 = sin(x1); y2 = cos(x2); [ax, h1, h2] = plotyy(x1, y1, x2, y2);

不同类型图表组合

x = 1:10; y1 = rand(1,10); y2 = rand(1,10)*100; [ax, h1, h2] = plotyy(x, y1, x, y2, 'bar', 'stem');

独立坐标轴缩放

set(ax(1), 'YScale', 'linear') % 左轴线性 set(ax(2), 'YScale', 'log') % 右轴对数

3.3 兼容性考虑

虽然plotyy功能强大，但在实际使用时需要注意：

• 新版本Matlab中可能不再积极维护
• 某些新图形特性可能不支持
• 与yyaxis混用可能导致意外行为

注意：在Matlab 2016b及以后版本中，官方推荐优先使用yyaxis而非plotyy。

4. 实战案例：气象数据分析图

让我们通过一个完整的科研案例，综合运用前面学到的各种技巧。假设我们需要可视化某气象站24小时的温度和降水数据：

% 模拟数据 time = 0:23; temp = 15 + 5*sin(2*pi*time/24) + randn(size(time))*0.5; rain = max(0, 10*sin(2*pi*(time-6)/12) + randn(size(time))*2); % 创建图表 figure('Position', [100 100 800 500]) % 左轴 - 温度 yyaxis left hTemp = plot(time, temp, 'r-o',... 'LineWidth', 1.5,... 'MarkerSize', 6,... 'MarkerFaceColor', 'r'); ylabel('温度 (℃)', 'FontSize', 12, 'Color', 'r') ylim([10 25]) set(gca, 'YColor', 'r') % 右轴 - 降水 yyaxis right hRain = bar(time, rain, 0.8,... 'FaceColor', [0.2 0.4 0.8],... 'EdgeColor', 'none',... 'FaceAlpha', 0.6); ylabel('降水量 (mm)', 'FontSize', 12, 'Color', [0.2 0.4 0.8]) ylim([0 15]) set(gca, 'YColor', [0.2 0.4 0.8]) % 共同设置 xlabel('时间 (h)', 'FontSize', 12) xticks(0:2:23) xlim([0 23]) title('气象站24小时监测数据', 'FontSize', 14, 'FontWeight', 'bold') grid on % 图例与注释 legend([hTemp hRain], {'温度', '降水量'},... 'Location', 'northwest',... 'FontSize', 11) text(18, 12, sprintf('最高温度: %.1f℃\n最大降水: %.1fmm',... max(temp), max(rain)),... 'FontSize', 10,... 'BackgroundColor', [1 1 1 0.7])

这个案例展示了几个专业技巧：

1. 图表组合：折线图与柱状图的结合
2. 视觉优化：半透明填充、网格线、数据标记
3. 信息丰富：自动标注极值点
4. 布局控制：精确设置图形大小和位置

5. 常见问题与解决方案

在实际使用双Y轴功能时，经常会遇到一些典型问题。以下是经过实践验证的解决方案：

问题1：右轴数据不显示

• 原因：未正确切换至右轴
• 解决：确保在绘制右轴数据前执行yyaxis right

问题2：坐标轴颜色不生效

• 原因：设置顺序错误
• 解决：先绘制数据，再设置坐标轴属性

问题3：图例混乱

• 解决方案：

% 正确收集所有线条句柄 yyaxis left h1 = plot(x, y1); hold on h2 = plot(x, y1_smooth); yyaxis right h3 = plot(x, y2); legend([h1 h2 h3], {'原始','平滑','参考'})

问题4：保存后样式变化

• 解决方案：

% 使用print代替saveas print('-dpng', '-r300', 'figure.png') % 或设置Renderer set(gcf, 'Renderer', 'painters')

性能优化技巧：

• 大数据集时使用plotyy可能更高效
• 关闭实时渲染：

set(gcf, 'Renderer', 'opengl')

对于更复杂的定制需求，比如需要三个Y轴时，可以考虑：

% 创建主坐标轴 ax1 = axes; plot(ax1, x, y1) ylabel(ax1, 'Y1') % 手动创建第二个Y轴 ax2 = axes('Position', get(ax1, 'Position'),... 'YAxisLocation', 'right',... 'Color', 'none'); line(x, y2, 'Parent', ax2) ylabel(ax2, 'Y2')