最好的方法是直接与坐标轴对象交互

import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 10, 0.1)
y1 = 0.05 * x**2
y2 = -1 *y1

fig, ax1 = plt.subplots()

ax2 = ax1.twinx()
ax1.plot(x, y1, 'g-')
ax2.plot(x, y2, 'b-')

ax1.set_xlabel('X data')
ax1.set_ylabel('Y1 data', color='g')
ax2.set_ylabel('Y2 data', color='b')

plt.show()

我现在没有使用Python的权限，但在我的脑海中:

fig = plt.figure()

axes1 = fig.add_subplot(111)
# set props for left y-axis here

axes2 = axes1.twinx()   # mirror them
axes2.set_ylabel(...)

有一个简单的解决方案，不需要打乱matplotlib:只需要熊猫。

调整原示例:

table = sql.read_frame(query,connection)

ax = table[0].plot(color=colors[0],ylim=(0,100))
ax2 = table[1].plot(secondary_y=True,color=colors[1], ax=ax)

ax.set_ylabel('Left axes label')
ax2.set_ylabel('Right axes label')

基本上，当给出secondary_y=True选项时(即使ax=ax也被传递)，熊猫。Plot返回我们用来设置标签的不同轴。

我知道这个问题很久以前就有答案了，但我认为这种方法是值得的。

对于每个偶然看到这篇文章的人，因为提到了熊猫， 现在，您可以非常优雅而直接地选择直接访问 用ax.right_ax表示熊猫中的次级y轴

因此，转述最初发布的例子，你可以这样写:

table = sql.read_frame(query,connection)

ax = table[[0, 1]].plot(ylim=(0,100), secondary_y=table[1])
ax.set_ylabel('$')
ax.right_ax.set_ylabel('Your second Y-Axis Label goes here!')

(这在这些帖子中也已经提到了:1 2)

很少loc的简单示例:

plot(y1)
plt.gca().twinx().plot(y2, color = 'r') # default color is same as first ax

解释:

ax = plt.gca()    # Get current axis
ax2 = ax.twinx()  # make twin axis based on x
ax2.plot(...)     # ...