双Y轴图需先创建主轴ax1并绘图，再调用ax1.twinx()生成ax2，所有右轴操作须作用于ax2；注意柱状图宽度、刻度对齐、图例合并及中文标签显示优化。
用 plt.twinx() 创建双Y轴，但必须注意坐标轴顺序
双Y轴图的核心是让两个不同量纲的数据共用X轴，左Y轴画折线、右Y轴画柱状图（或反过来）。关键在于：plt.twinx() 必须在第一个绘图对象创建之后调用，否则右轴会覆盖左轴刻度甚至丢失标签。
常见错误现象：ax2.set_ylabel() 不显示、右轴刻度挤成一团、折线和柱子完全错位——基本都是因为 twinx() 调用太早，或者后续又对 ax1 做了 set_ylim() 却没同步调整 ax2。
- 先调用
ax1 = plt.gca()或fig, ax1 = plt.subplots()创建主轴 - 在
ax1.plot(...)之后，立刻执行ax2 = ax1.twinx() - 所有针对右轴的操作（
plot、bar、set_ylabel）都必须作用于ax2 - 若手动设了
ax1.set_ylim()，记得按比例估算并设置ax2.set_ylim()，否则柱状图可能被截断
柱状图用 ax2.bar() 而不是 ax2.plot()，且需注意宽度与对齐
双Y轴里混用折线和柱状图时，最容易忽略的是柱子的视觉对齐。直接用 ax2.bar(x, y) 默认以 x 坐标为中心绘制，但如果 x 是日期或字符串，容易出现偏移；若 x 是数值型但间隔不均，柱宽不设也会导致挤压或空隙过大。
使用场景：比如分析月度销售额（柱状图，万元）和用户增长率（折线图，%），二者时间点一致但量级差3个数量级。
- 显式传入
width参数，例如width=0.6（默认是0.8，太宽易重叠） - 若
x是pd.Timestamp或str，先用ax1.set_xticks()固定位置，再让ax2.bar()的x与之严格对应 - 避免对
ax2调用ax2.grid(True)—— 它会覆盖左轴网格；如需右轴辅助线，改用ax2.axhline(y=...)
图例合并显示要用 ax1.get_legend_handles_labels() 手动拼接
双Y轴下，ax1.legend() 和 ax2.legend() 会互相覆盖，直接调用任一者都只能显示部分图例。必须把两个轴的句柄和标签取出来，合并后统一交给一个轴管理。
性能影响：该操作本身无开销，但若在循环中反复调用 get_legend_handles_labels() 而未清空旧图例，会导致内存缓慢增长（尤其在动态刷新图表时）。
- 执行
h1, l1 = ax1.get_legend_handles_labels()和h2, l2 = ax2.get_legend_handles_labels() - 合并为
handles = h1 + h2、labels = l1 + l2 - 只调一次
ax1.legend(handles, labels)，不要对ax2再调用legend() - 如果某条线没加
label参数（如ax1.plot(..., label='_nolegend_')），它不会出现在l1中，无需额外过滤
中文标签乱码和负数坐标轴刻度重叠是高频兼容性问题
Matplotlib 默认字体不支持中文，且当右轴数据含负值、左轴为正时，两套Y轴刻度标签容易上下重叠，尤其在导出为PDF或保存为高DPI图片时更明显。
解决方式不是换全局字体配置，而是就图论图：
- 在绘图前加
plt.rcParams['font.sans-serif'] = ['SimHei', 'DejaVu Sans']，确保中文字体 fallback 链有效 - 对
ax2单独调用ax2.tick_params(axis='y', pad=15)增大右侧标签与轴线距离 - 若左轴最大值远大于右轴，考虑对右轴数据做缩放（如除以1000），并在
set_ylabel()中注明单位（如 “销量（千件）”） - 避免用
plt.tight_layout()—— 它常把右轴标签切掉；改用plt.subplots_adjust(right=0.85)留足右侧空间
实际绘图逻辑跑通后，最麻烦的往往不是语法，而是两组数据的时间对齐精度、单位换算一致性，以及导出时 DPI 和 bbox_inches 的组合行为。这些细节不报错，但会让交付图表在汇报场景中显得不专业。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
