本文详解如何在 Matplotlib 中正确添加基于非线性函数（如 exp(y/7)）的次 Y 轴，重点解决因混用 NumPy 与 Python 标量函数导致的 TypeError: only size-1 arrays can be converted to Python scalars 错误，并提供可运行的完整示例。
本文详解如何在 matplotlib 中正确添加基于非线性函数（如 exp(y/7)）的次 y 轴，重点解决因混用 numpy 与 python 标量函数导致的 typeerror: only size-1 arrays can be converted to python scalars 错误，并提供可运行的完整示例。
在使用 ax.secondary_yaxis() 创建自定义次坐标轴时，核心要求是：正向与反向转换函数必须全程支持 NumPy 数组运算。原代码中错误地混用了 math.exp/math.log（仅接受标量）和 np.asarray()（冗余且掩盖了根本问题），导致当 Matplotlib 向转换函数传入整个 y 值数组时触发 TypeError。
✅ 正确做法是：统一使用 NumPy 的向量化函数（np.exp, np.log），它们天然支持数组输入，无需手动转 np.asarray()：
import numpy as np
import matplotlib.pyplot as plt
def y_to_secondary(y):
return np.exp(y / 7) # ✅ 向量化：y 可为标量或任意形状数组
def secondary_to_y(secondary):
return np.log(secondary) * 7 # ✅ 向量化，且更简洁（避免 math.log）
⚠️ 注意事项：
-
切勿使用
math.exp或math.log：它们只接受单个数字，对数组会报错； -
无需
np.asarray()包裹输入：Matplotlib 传入的y已是 NumPy 数组；若传入列表，np.exp()会自动广播处理； -
数值稳定性至关重要：
exp(y/7)在y > ~160时即可能溢出（exp(23) ≈ 1e10）。建议限制主轴范围，例如y ∈ [-7, 50]对应次轴≈ [0.37, 1648]，安全可控。
以下为完整可运行示例，绘制主线 y1 = 2x - 7 并同步显示其非线性转换 exp(y1/7) 到右侧次轴：
fig, ax1 = plt.subplots(figsize=(8, 5))
# 主坐标轴数据（x ∈ [2, 49]，避免溢出）
X = np.arange(2, 50)
y1 = 2 * X - 7
# 绘制主Y轴曲线
ax1.plot(X, y1, 'b-', label=r'$y_1 = 2x - 7$')
ax1.set_xlabel('x')
ax1.set_ylabel(r'Primary Y: $y_1$', color='b')
ax1.tick_params(axis='y', labelcolor='b')
# 添加次Y轴（右）
secax = ax1.secondary_yaxis('right', functions=(y_to_secondary, secondary_to_y))
secax.set_ylabel(r'Secondary Y: $\exp(y_1/7)$', color='r')
secax.tick_params(axis='y', labelcolor='r')
# 可选：优化次轴刻度显示（避免科学计数法）
secax.yaxis.set_major_formatter(plt.ScalarFormatter(useMathText=False))
plt.tight_layout()
plt.show()
? 进阶提示：若需精确控制次轴刻度位置（如强制显示 [1, 10, 100]），可结合 secax.set_yticks() 与 secax.set_yticklabels() 手动设置；若多条曲线共用同一转换，该次轴将一致反映所有数据的物理意义——这正是科学可视化中单位换算（如浓度↔活度、dB↔线性增益）的标准实践。
