Bokeh 不支持在同一图表中混合使用线性与对数 X 轴（因 x_range_name 关联的范围类型必须与对应轴类型一致），直接替换 LinearAxis 为 LogAxis 会导致刻度消失和绘图失效；根本解法是手动对数变换数据并复用线性轴，或采用双图联动方案。
bokeh 不支持在同一图表中混合使用线性与对数 x 轴（因 `x_range_name` 关联的范围类型必须与对应轴类型一致），直接替换 `linearaxis` 为 `logaxis` 会导致刻度消失和绘图失效；根本解法是手动对数变换数据并复用线性轴，或采用双图联动方案。
在 Bokeh 中为同一图表添加「线性主 X 轴」与「对数副 X 轴」看似可行，实则存在底层限制：extra_x_ranges 定义的范围（如 "x2"）一旦被 LogAxis 引用，其数值域必须严格满足对数定义域（即 start > 0），且 Bokeh 不允许多个 X 轴共享同一坐标系但使用不同尺度逻辑——scatter(..., x_range_name="x2") 仍按线性方式映射原始数据到画布，而非自动执行 log10(x) 变换。因此，即使你将 LinearAxis 替换为 LogAxis，若未同步调整数据和范围，就会出现无刻度、点位置错乱等问题。
✅ 正确实践方案有两种，推荐优先使用第一种（简洁可控）：
方案一：手动对数变换 + 单一线性轴（推荐）
将对数数据预处理为 log10(log_data)，再将其绘制在主 X 轴上，并自定义副 X 轴标签显示原始对数值（即“伪对数轴”）：
import numpy as np
import pandas as pd
from bokeh.plotting import figure, show
from bokeh.models import LinearAxis, LabelSet, ColumnDataSource
from bokeh.layouts import gridplot
df = pd.DataFrame([['2024-06-21 06:22:38', 605.968389, 0.994548, 3],
['2024-06-21 06:22:39', 616.009398, 0.983443, 4],
['2024-06-21 06:22:40', 624.630573, 0.973647, 1],
['2024-06-21 06:22:41', 633.476367, 1.017651, 2],
['2024-06-21 06:22:42', 642.322161, 5.017651, 2],
['2024-06-21 06:22:43', 650.268389, 30.726555, 4],
['2024-06-21 06:22:44', 659.559398, 89.2359, 5],
['2024-06-21 06:22:45', 665.630573, 6.92018, 3],
['2024-06-21 06:22:47', 673.476367, 0.69398, 2],
['2024-06-21 06:22:48', 685.322161, 0.770802, 1],
['2024-06-21 06:22:49', 697.155939, 0.856488, 0],
['2024-06-21 06:22:51', 716.763057, 0.934408, 3],
['2024-06-21 06:22:52', 722.012345, 7.865522, 2]],
columns=['time', 'Altitude', 'log_data', 'linear_data'])
# ✅ 关键：对 log_data 取 log10（跳过 ≤0 值，此处数据均 >0）
df['log_data_log10'] = np.log10(df['log_data'])
p = figure(title="Linear X (left) + Log-scaled X (bottom, labeled in original units)",
x_axis_label="Linear Data",
y_axis_label="Altitude / km",
frame_height=900, frame_width=700,
tools="pan,wheel_zoom,box_zoom,reset")
# 主线性数据（红色折线）
p.line('linear_data', 'Altitude', line_color='red', line_width=2, source=df, legend_label="Linear Data")
# 对数变换后数据（蓝色散点），复用主 X 轴
p.scatter('log_data_log10', 'Altitude', size=8, color='blue', alpha=0.8,
source=df, legend_label="Log Data (log₁₀ scale)")
# 添加副 X 轴（线性轴，但标签显示原始对数值）
# 构造对数刻度对应的原始值标签：例如 log10(0.1)=−1, log10(1)=0, log10(10)=1, log10(100)=2...
log_ticks = [-1, 0, 1, 2] # 对应原始值：0.1, 1, 10, 100
log_labels = ["0.1", "1", "10", "100"]
p.add_layout(LinearAxis(major_tick_in_bounds=True,
major_label_overrides=dict(zip(log_ticks, log_labels)),
axis_label="Log Data (original units)",
axis_label_text_color='blue'),
'below')
p.legend.location = "top_left"
show(p)
⚠️ 注意事项：
- 所有
log_data值必须 > 0；若含零或负数，需预处理（如加偏移量+1后取log10(x+1)，并在标签中注明）；- 副 X 轴本质仍是线性轴，仅通过
major_label_overrides实现“视觉对数标签”，确保用户理解横坐标含义；- 此方案完全规避 Bokeh 的多尺度轴限制，渲染稳定、交互正常（缩放/平移均保持语义一致）。
方案二：双图联动（适合需要独立交互的场景）
若必须物理分离两套 X 轴逻辑，可创建上下/左右并排的两个 figure，共享 Y 轴范围，并用 CustomJS 同步缩放和平移：
# （简略示意，完整实现需 JS 回调） p_linear = figure(..., x_axis_type='linear', ...) p_log = figure(..., x_axis_type='log', ...) # 注意：x_axis_type='log' 本身即启用对数主轴 # → 然后通过 js_link 或 CustomJS 绑定 x_range
但该方案复杂度高、维护成本大，且无法真正“共用同一画布区域”，一般仅用于专业仪表盘需求。
? 总结：Bokeh 当前版本（v3.3.0+）不支持单图内线性/对数 X 轴混用。最健壮、易维护的解决方案是对数据做显式对数变换，并用线性轴配合自定义标签模拟对数副轴。这既符合 Bokeh 渲染模型，又保证了交互性与可读性，是工业级可视化的推荐实践。
