1. 项目概述：为什么我们需要双y轴图？

在数据可视化和科研绘图领域，我们常常会遇到一个棘手的问题：两组数据序列，它们的数值范围天差地别，但你又想将它们放在同一张图上进行对比分析。比如，你正在分析一个电子设备的性能，一组数据是电压，范围在0到5伏之间；另一组数据是电流，可能高达几百毫安。如果强行用同一个y轴来绘制，电流的微小波动会把电压曲线“压”成一条几乎看不见的直线，完全失去了对比的意义。又或者，在气象研究中，你想同时展示温度和降水量随时间的变化，一个单位是摄氏度，另一个是毫米，量纲和尺度都不同。这时候，MATLAB中的“双y轴”绘图功能就成了你的救星。

简单来说，双y轴图就是在同一个图形窗口（Figure）中，创建两个独立的、刻度不同的y轴（通常左右各一个），让两组差异巨大的数据能够“同台竞技”，各自清晰地展示自己的变化趋势和细节。这不仅仅是把两条线画在一起，而是通过巧妙的坐标轴管理，实现了数据的“分层”可视化，极大地提升了图表的表达能力和信息密度。对于工程师、科研人员和数据分析师而言，掌握这项技能，意味着你能更高效、更专业地呈现复杂的数据关系，让报告和论文中的图表更具说服力。

2. 核心思路与MATLAB工具选型

在MATLAB中实现双y轴，历史上和现在有几种不同的方法，了解它们的演变和适用场景，能帮助我们在不同情况下做出最佳选择。

2.1 经典方法：plotyy函数（已过时但需了解）

在老版本的MATLAB（R2016a之前）中，plotyy函数是绘制双y轴图的标准方法。它的语法相对直观：

[ax, h1, h2] = plotyy(x1, y1, x2, y2, fun1, fun2)

其中，x1, y1对应左侧y轴的数据，x2, y2对应右侧y轴的数据，fun1和fun2是绘图函数，默认为@plot。

为什么它被淘汰了？尽管plotyy能完成任务，但它存在几个明显的短板：

1. 对象句柄管理复杂：它返回的ax是一个包含左右两个坐标轴对象的向量，h1和h2是两个数据序列的句柄。后续要对某个坐标轴或某条曲线进行精细定制（比如改颜色、调刻度、加标签），你需要非常小心地指明操作对象，代码容易冗长且易错。
2. 与现代图形系统兼容性一般：MATLAB在R2014b引入了全新的图形系统（HG2），带来了更强大的对象属性和更一致的编程接口。plotyy生成的对象树在和新系统的一些高级特性（如透明度、复杂的颜色映射）配合时，有时会显得不那么“和谐”。
3. 功能扩展性差：如果你想在双y轴的基础上再添加第三个数据序列，或者进行更复杂的布局，plotyy就显得力不从心了。

注意：虽然plotyy在后续版本中仍然可用（出于向后兼容考虑），但MathWorks官方已明确标注其为“不推荐”状态。在新项目中，尤其是考虑到代码的长期维护和可读性，强烈建议使用更现代的方法。

2.2 现代标准：yyaxis函数（推荐首选）

自MATLAB R2016a起，yyaxis函数被引入，它代表了双y轴绘图的现代解决方案。与plotyy一次性生成整个图表不同，yyaxis采用了一种“状态切换”的模式，更符合面向对象的思想，操作起来也更为灵活和清晰。

它的核心思想是：激活当前图形中的左侧或右侧y轴，然后所有后续的绘图命令（如plot,scatter,bar）都会自动绑定到当前激活的y轴上。你可以把它想象成有两个独立的画板（坐标轴）重叠在一起，yyaxis left和yyaxis right就是切换画笔到不同画板的指令。

为什么推荐yyaxis？

1. 语法简洁直观：逻辑清晰，易于理解和记忆。
2. 对象管理统一：它直接操作当前坐标轴对象（gca），所有图形对象的父级都是同一个坐标轴，这使得后续的属性设置（如标题、图例、网格）更加统一和简单。
3. 完美的兼容性：完全基于新的HG2图形系统，可以无缝使用所有最新的图形特性。
4. 极高的灵活性：可以轻松地在左右轴之间切换，添加任意数量的图形对象（理论上，你可以在左侧轴画多条线，在右侧轴也画多条线），也更容易与其他图形定制命令结合。

因此，对于绝大多数新项目和学习者，我将以yyaxis函数作为核心进行详细讲解。这是目前最主流、最推荐的方法。

3.yyaxis函数核心细节与实操要点

掌握了yyaxis的基本思想，我们来深入其核心细节。理解这些细节，是画出精美、专业双y轴图的关键。

3.1 基础绘图流程与坐标轴激活

让我们从一个最简单的例子开始，绘制正弦波和指数衰减曲线。

% 示例1：基础双y轴图 x = linspace(0, 10, 100); y1 = sin(x); % 数据1， 范围[-1, 1] y2 = 100 * exp(-0.5*x); % 数据2， 范围约[100, 0.67]， 量级差异大 figure; % 创建一个新的图形窗口 % 激活左侧y轴并绘图 yyaxis left; plot(x, y1, ‘b-‘, ‘LineWidth’, 2); ylabel(‘正弦值’); ylim([-1.5, 1.5]); % 手动设置左侧y轴范围，让图形更美观 % 激活右侧y轴并绘图 yyaxis right; plot(x, y2, ‘r–‘, ‘LineWidth’, 2); ylabel(‘指数衰减值’); % 共用设置 xlabel(‘时间 / s’); title(‘正弦与指数衰减对比’); grid on;

代码解读与实操要点：

• yyaxis left;：这条命令将当前坐标轴的“活动侧”切换到左边。执行后，gca（获取当前坐标轴）返回的对象的YAxisLocation属性变为‘left’，并且其YColor等属性会影响后续绘图的颜色映射。
• plot(x, y1, …);：紧接着的plot命令会将数据绘制在左侧y轴上。线条的颜色、样式等属性设置与普通绘图无异。
• ylabel(‘正弦值’);：为当前激活的y轴（此处为左侧）设置标签。这是一个关键点：所有坐标轴相关的设置命令（如ylabel,ylim,yticks）只作用于当前激活的y轴。
• 同理，yyaxis right;切换到右侧轴进行绘图和设置。
• xlabel,title,grid on：这些作用于整个坐标轴（或图形）的命令，只需要设置一次，它们会被左右y轴共享。

3.2 图形对象属性精细控制

yyaxis的强大之处在于，它返回的是一个单一的坐标轴对象，但该对象内部管理着两套独立的y轴属性。我们可以通过坐标轴对象的属性来精细控制每一侧。

% 示例2：精细控制属性 x = 0:0.1:4*pi; y1 = sin(x); y2 = 10 * cos(x) + 50; figure; yyaxis left; h1 = plot(x, y1, ‘Color’, [0, 0.4470, 0.7410], ‘LineWidth’, 2.5, ‘Marker’, ‘o’, ‘MarkerSize’, 6); ylabel(‘电压 (V)’, ‘FontSize’, 12, ‘FontWeight’, ‘bold’); ax = gca; % 获取坐标轴句柄 ax.YColor = [0, 0.4470, 0.7410]; % 将左侧y轴刻度、标签的颜色设置为与曲线一致 ax.YLim = [-1.2, 1.2]; yyaxis right; h2 = plot(x, y2, ‘Color’, [0.8500, 0.3250, 0.0980], ‘LineWidth’, 2.5, ‘LineStyle’, ‘-.’); ylabel(‘电流 (mA)’, ‘FontSize’, 12, ‘FontWeight’, ‘bold’); ax.YColor = [0.8500, 0.3250, 0.0980]; % 将右侧y轴刻度、标签的颜色设置为与曲线一致 % 注意：此时ax仍是同一个句柄，但属性已关联到右侧轴 % 设置共用属性 xlabel(‘时间 (ms)’); title(‘电路信号分析’, ‘FontSize’, 14); grid on; grid minor; % 打开次要网格线，使图表更精细 ax.FontSize = 11; % 设置全局字体大小 ax.Box = ‘on’; % 显示坐标轴盒子

关键技巧：

• 获取句柄：在第一次yyaxis left绘图后，使用ax = gca;获取坐标轴句柄。这个句柄是操作整个双y轴图形的“总开关”。
• 分别设置颜色：通过设置ax.YColor属性，可以分别改变左右y轴刻度线、刻度标签以及y轴标签的颜色。通常将其设置为与对应数据曲线相同的颜色，能极大增强图表的可读性。这是一个让图表瞬间变专业的细节。
• 注意属性作用域：像ax.YLim（y轴范围）、ax.YTick（刻度位置）这样的属性，在调用yyaxis left/right后，会自动指向当前激活的那一侧y轴。因此，在示例中，我们在切换yyaxis上下文后分别设置了ax.YColor，它们分别生效于左右轴。

3.3 图例的创建与常见陷阱处理

为双y轴图添加图例，是另一个容易踩坑的地方。因为两条曲线分属不同的“层”，直接使用legend可能会遇到问题。

正确的方法：收集所有需要出现在图例中的图形对象句柄，然后一次性创建图例。

% 示例3：正确添加图例 x = linspace(0, 20, 200); temperature = 15 + 10 * sin(2*pi*x/24); % 模拟日温度变化 rainfall = 5 * randn(size(x)); % 模拟随机降雨量，有正有负 rainfall(rainfall < 0) = 0; % 将负值置零，降雨量不为负 figure; yyaxis left; h_temp = plot(x, temperature, ‘b-‘, ‘DisplayName’, ‘日间温度’); % 关键：设置’DisplayName’ ylabel(‘温度 (°C)’); ax = gca; ax.YColor = ‘b’; yyaxis right; h_rain = plot(x, rainfall, ‘g:’, ‘LineWidth’, 2, ‘DisplayName’, ‘降雨量’); % 关键：设置’DisplayName’ ylabel(‘降雨量 (mm)’); ax.YColor = ‘g’; xlabel(‘时间 (小时)’); title(‘气象数据日变化’); grid on; % 创建图例：传入两个曲线句柄 legend([h_temp, h_rain], ‘Location’, ‘northwest’);

为什么这样做？

• 在plot命令中直接使用‘DisplayName’, ‘图例名’参数，是为图形对象分配图例文本最清晰的方式。
• legend([h1, h2], …)通过显式传递图形对象句柄数组来创建图例，确保了MATLAB能准确找到并识别来自不同y轴的数据序列。这是最可靠的方法，避免了自动检测可能带来的混乱。

常见陷阱：

• 陷阱1：图例顺序错乱。如果不指定句柄，legend可能按图形对象的创建顺序生成图例，而这个顺序可能不符合你的预期。显式指定句柄可以完全控制顺序。
• 陷阱2：图例框覆盖曲线。使用‘Location’参数（如‘northoutside’,‘eastoutside’）可以将图例放在坐标轴外部，或者用鼠标拖动调整位置。

4. 高级应用与复杂场景实现

掌握了基础之后，我们可以挑战一些更复杂的应用场景，这些在实际科研和工程中非常常见。

4.1 混合图表类型：曲线与柱状图组合

有时我们需要用折线表示趋势，用柱状图表示分布或总量，双y轴完美支持这种混合。

% 示例4：折线图与柱状图组合 months = 1:12; sales = [120, 135, 160, 190, 210, 300, 280, 260, 230, 200, 180, 150]; % 销售额 growth_rate = [0, 12.5, 18.5, 18.8, 10.5, 42.9, -6.7, -7.1, -11.5, -13.0, -10.0, -16.7]; % 增长率百分比 figure(‘Position’, [100, 100, 800, 500]); % 设置图形窗口大小 yyaxis left; hb = bar(months, sales, ‘FaceColor’, [0.7 0.7 0.9], ‘EdgeColor’, ‘k’); ylabel(‘销售额 (万元)’, ‘FontSize’, 12); ax = gca; ax.YColor = ‘k’; ylim([0, 350]); yyaxis right; hl = plot(months, growth_rate, ‘ro-‘, ‘LineWidth’, 2.5, ‘MarkerSize’, 10, ‘MarkerFaceColor’, ‘r’); ylabel(‘月度增长率 (%)’, ‘FontSize’, 12); ax.YColor = ‘r’; ylim([-20, 50]); hline = refline(0, 0); % 添加一条y=0的参考线 hline.Color = [.5 .5 .5]; hline.LineStyle = ‘–‘; % 添加数据标签到柱状图 for i = 1:length(sales) text(months(i), sales(i)+10, num2str(sales(i)), … ‘HorizontalAlignment’, ‘center’, ‘FontSize’, 9); end xlabel(‘月份’); title(‘年度销售额与增长率分析’, ‘FontSize’, 14); xticks(1:12); xticklabels({‘Jan’,‘Feb’,‘Mar’,‘Apr’,‘May’,‘Jun’,‘Jul’,‘Aug’,‘Sep’,‘Oct’,‘Nov’,‘Dec’}); grid on; legend([hb, hl], {‘销售额’, ‘增长率’}, ‘Location’, ‘northwest’);

实操心得：

• 图形叠加顺序：默认情况下，后绘制的图形对象会覆盖在先绘制的对象之上。这里我们先画bar（柱状图），再画plot（折线图），确保了折线图和其数据点标记完整显示，不会被柱状图遮挡。
• 坐标轴范围：左右y轴的范围需要根据数据精心调整，以确保两个数据序列都能清晰展示，且比例协调。例如，左侧销售额从0开始，右侧增长率则包含负值，我们通过ylim设置了对称的范围[-20, 50]，并将零线标出，使增长和下降一目了然。
• 数据标签：使用text函数为柱状图添加数值标签，能进一步提升图表的可读性。计算标签的y坐标时，用了sales(i)+10，是为了让标签显示在柱顶上方一点，避免重叠。

4.2 多数据序列与复杂图例管理

一个坐标轴侧完全可以绘制多条曲线，图例需要管理更多的项目。

% 示例5：单侧多曲线与复杂图例 t = 0:0.01:2; % 左侧轴：两组电压信号 V1 = sin(2*pi*5*t); V2 = 0.5 * cos(2*pi*3*t + pi/4); % 右侧轴：两组电流信号 I1 = 50 * exp(-2*t) .* sin(2*pi*10*t); I2 = 30 * (1 - exp(-t)) .* randn(size(t))*0.3; % 带噪声的上升信号 figure; yyaxis left; hV1 = plot(t, V1, ‘b-‘, ‘LineWidth’, 1.5, ‘DisplayName’, ‘V1 (5Hz)’); hold on; % 关键：在左侧轴上开启图形保持，以添加第二条曲线 hV2 = plot(t, V2, ‘c–‘, ‘LineWidth’, 2, ‘DisplayName’, ‘V2 (3Hz)’); hold off; ylabel(‘电压 (V)’); ax = gca; ax.YColor = [0, 0.5, 1]; % 设置左侧轴颜色为蓝绿色系 yyaxis right; hI1 = plot(t, I1, ‘r-‘, ‘LineWidth’, 1.5, ‘DisplayName’, ‘I1 (衰减振荡)’); hold on; hI2 = plot(t, I2, ‘m:’, ‘LineWidth’, 1.5, ‘DisplayName’, ‘I2 (噪声上升)’); hold off; ylabel(‘电流 (mA)’); ax.YColor = [1, 0.2, 0.2]; % 设置右侧轴颜色为红紫色系 xlabel(‘时间 (s)’); title(‘多信号混合分析’); grid on; % 创建图例，按顺序传入所有四个曲线句柄 legend([hV1, hV2, hI1, hI2], ‘Location’, ‘best’, ‘NumColumns’, 2); % 使用两列布局图例

注意事项：

• hold on的使用：在同一个yyaxis侧绘制多条曲线时，必须使用hold on来保留当前轴上的现有图形，否则后一条plot命令会清除前一条。绘制完成后，使用hold off关闭保持状态是一个好习惯。
• 图例布局：当图例项较多时，‘NumColumns’参数非常有用，可以将图例排列成多列，节省空间，使图表更紧凑。
• 颜色协调：为同侧的多条曲线选择在色系上相近但可区分的颜色（如左侧用蓝、青，右侧用红、品红），有助于读者快速将曲线与对应的y轴关联起来。

4.3 导出与发布：确保印刷和展示质量

辛辛苦苦画好的图，最终要插入论文、报告或PPT中。导出设置不当，可能导致字体模糊、尺寸错误或背景问题。

1. 设置图形属性：在绘图代码的最后、导出之前，可以通过set(gcf, …)和set(gca, …)对图形窗口和坐标轴进行全局美化。

% 图形美化设置示例 ax = gca; % 坐标轴线条加粗 ax.LineWidth = 1.5; % 网格线设置为浅灰色虚线 ax.GridLineStyle = ‘-‘; ax.GridColor = [0.8, 0.8, 0.8]; ax.GridAlpha = 0.7; % 设置图形背景为白色（非默认的浅灰） set(gcf, ‘Color’, ‘w’); % 设置坐标区域背景为白色 ax.Color = ‘w’;

2. 导出为矢量图（推荐用于出版）：矢量格式（如PDF, EPS, SVG）无限缩放不失真，是学术出版的首选。

% 导出为PDF exportgraphics(gcf, ‘my_dual_axis_plot.pdf’, ‘ContentType’, ‘vector’, ‘Resolution’, 300); % 导出为EPS (某些期刊要求) % print(gcf, ‘-depsc’, ‘-r300’, ‘my_plot.eps’);

• ‘ContentType’, ‘vector’：指定输出为矢量图形。
• ‘Resolution’, 300：对于混合了栅格元素（如图片）的图形，此参数设置其分辨率。纯矢量图形此参数不影响。

3. 导出为高分辨率栅格图（用于网页或PPT）：

% 导出为PNG exportgraphics(gcf, ‘my_plot.png’, ‘Resolution’, 600); % 导出为TIFF (印刷常用) exportgraphics(gcf, ‘my_plot.tiff’, ‘Resolution’, 600);

• ‘Resolution’, 600：设置输出分辨率为600 DPI，确保印刷清晰。

4. 调整图形尺寸和边距：有时默认的图形尺寸或边距不适合你的文档。

% 在创建图形时或导出前设置 figure(‘Units’, ‘inches’, ‘Position’, [1 1 6 4]); % 6英寸宽，4英寸高 % 或者调整坐标轴在图形中的位置，留出更多边距给标签 ax = gca; ax.Position = [0.15 0.15 0.75 0.75]; % [左， 下， 宽， 高]， 比例值

5. 常见问题、排查技巧与进阶思考

即使按照步骤操作，你也可能会遇到一些意想不到的问题。下面是我在长期使用中总结的一些“坑”和解决方案。

5.1 常见问题速查表

5.2 性能优化与大数据量处理

当需要绘制成千上万个数据点时，双y轴图可能会变得响应缓慢。这里有几个优化技巧：

1. 数据降采样：如果数据点密度远高于屏幕像素密度，绘制所有点就是浪费。可以在绘图前对数据进行均匀降采样。

   % 假设原始数据 x, y 很长 decim_factor = 10; % 降采样因子 x_down = x(1:decim_factor:end); y_down = y(1:decim_factor:end); % 使用 x_down, y_down 进行绘图

2. 简化图形对象：避免使用复杂的标记（如‘o’,‘s’），尤其是对于大数据系列。使用简单的线条（‘-‘,‘–‘）能显著提升渲染速度。
3. 关闭实时渲染：在批量生成大量图形或进行复杂交互式更新前，可以暂时关闭图形渲染。

   set(gcf, ‘Visible’, ‘off’); % 隐藏图形窗口，后台操作 % … 执行一系列绘图操作 … set(gcf, ‘Visible’, ‘on’); % 操作完成后再显示 % 或者使用更底层的控制 ax = gca; ax.NextPlot = ‘replacechildren’; % 优化绘图模式

5.3 超越yyaxis：更复杂的多轴需求

yyaxis解决了两个y轴的问题。但如果需要三个或更多个y轴，或者需要更灵活地排列坐标轴（比如上下排列），就需要用到更底层的axes函数手动创建和定位坐标轴对象。这属于更高级的图形定制，其核心思路是：

1. 使用axes(‘Position’, [left, bottom, width, height])在指定位置创建一个新的坐标轴。
2. 分别在不同的坐标轴对象上绘图。
3. 使用linkaxes函数将它们的x轴链接起来，以实现缩放和滚动的同步。
4. 手动设置每个坐标轴的YColor,YTickLabel等属性，并可能需隐藏某些坐标轴的框线以避免视觉混乱。

这种方法给了你最大的自由度，但代码复杂度也急剧上升。对于绝大多数双y轴需求，yyaxis已经是功能、易用性和性能的最佳平衡点。

画出一张专业的双y轴图，工具的使用只是第一步，更重要的是对数据本身的理解和想要传达的信息的思考。永远记住，图表是为叙事服务的。在动手之前，先问自己：我为什么要将这两组数据放在一起？是为了对比趋势、揭示相关性、还是展示因果？左侧和右侧的变量哪个是主，哪个是次？刻度的范围如何设定才能最公平地展示两者关系，又不会误导读者？颜色、线型、标记的选择是否考虑了色盲友好性和黑白打印时的可区分性？

在我自己的工程报告中，我习惯于先用yyaxis快速生成草图，审视数据关系。然后，我会花更多时间在调整视觉元素上：让主要关注的曲线更粗、颜色更醒目；让辅助的曲线用虚线或细线；确保坐标轴标签包含完整的单位和物理意义；图例放在不遮挡关键数据的位置。这些细节的打磨，往往比使用一个酷炫的功能更能体现工作的严谨和专业。最后，在导出前，务必在最终要使用的媒介（如PDF阅读器、PPT幻灯片）上预览一下效果，确保万无一失。