函数柯里化通过预置参数封装坐标轴转换逻辑，实现单位换算、刻度映射、多维缩放、标签格式化、上下文绑定及跨轴桥接的高效复用。
函数柯里化本身不直接操作图表或坐标轴，但它能高效封装和复用坐标轴相关的转换逻辑——比如单位换算、刻度映射、坐标归一化、对数/线性切换等。关键在于：把“轴行为”抽象为纯函数，再通过柯里化预置维度参数、比例因子或配置项，从而在多维图表（如双Y轴、XYZ三维图、雷达图+柱状图组合）中避免重复编写相似逻辑。
预置坐标系参数，统一处理不同维度的缩放逻辑
多维图表常需对X、Y、Z或系列轴分别应用不同缩放规则（例如Y轴用线性、Z轴用对数、X轴按类别索引映射）。手动写多个相似函数易出错且难维护。用柯里化可提取共性：
- 定义基础转换函数：scaleValue(scaleType, base, value)，支持 'linear'、'log'、'category' 等类型
- 柯里化生成专用轴处理器：const scaleY = scaleAxis('linear')(100)(0.01) → 返回 (rawValue) => scaledY
- 同理生成 scaleZ = scaleAxis('log')(10)(1)、scaleX = scaleAxis('category')(['Jan','Feb','Mar'])(1)
复用格式化规则，适配不同轴的标签生成
横轴日期、纵轴金额、竖轴产品类别，标签格式各不相同，但格式化流程一致：解析原始值 → 应用模板 → 补前缀/后缀。柯里化可固定模板与修饰符：
- const formatLabel = (prefix) => (template) => (value) => `${prefix}${template(value)}`
- 生成具体实例：const formatYLabel = formatLabel('$')((v) => v.toFixed(2))；const formatXLabel = formatLabel('')((v) => new Date(v).getFullYear())
- 渲染时直接调用：
axisY.ticks().map(formatYLabel)、axisX.ticks().map(formatXLabel)
提前绑定数据上下文，解耦轴逻辑与图表实例
当同一套轴转换逻辑需用于多个子图（如分面图、联动仪表盘），柯里化可将数据范围、极值、单位等上下文一次性注入，生成无副作用的纯函数：
- const createAxisMapper = (min, max, unit) => (raw) => ((raw - min) / (max - min) * 100).toFixed(1) + unit
- 对主Y轴：const mapPrimaryY = createAxisMapper(0, 5000, '%')
- 对副Y轴（共享X但Y范围不同）：const mapSecondaryY = createAxisMapper(-10, 10, '°C')
- 两者完全独立，互不影响，且可序列化、测试、缓存
配合孪生轴（twinx/twinz）实现动态坐标桥接
Python Matplotlib 的 twinx 或 D3 中的多重 scale 创建后，常需将同一原始数据映射到不同物理轴上。柯里化可构建“坐标桥接器”：
- const bridgeScale = (sourceScale) => (targetScale) => (value) => targetScale.invert(sourceScale(value))
- 例如：将线性Y值映射到对数Z轴位置：const yToZPos = bridgeScale(yLinearScale)(zLogScale)
- 该函数可复用于所有需要跨轴对齐的元素（如连接线、共享标注），无需每次重算逆变换
