Múltiples ejes X

Descripción general

Los gráficos con múltiples ejes X permiten comparar datasets en diferentes periodos o escalas categóricas dentro de un mismo lienzo. Cada serie se alinea con su propio eje horizontal, lo que habilita comparaciones temporales (p. ej., tendencias año contra año) o agrupamientos distintos sin perder coherencia visual.

Cuándo usarlo

• Comparaciones periodo vs periodo con patrones alineados
• Contrastar tendencias estacionales en distintos años
• Superponer datasets similares con escalas de tiempo independientes
• Destacar similitudes de patrones pese a tener anclas temporales distintas

No es ideal para

• Períodos demasiado disímiles que impidan comparaciones útiles
• Etiquetas superpuestas que confundan qué datos pertenecen a cada eje
• Más de dos ejes X (produce ruido visual y sobrecarga cognitiva)
• Historias donde una cronología unificada sería más clara

Variaciones clave

• Múltiples ejes X (superior/inferior): cada serie se vincula a su escala horizontal
• Ejes Y duales: diferentes unidades verticales
• Ejes codificados por color: cada eje comparte color con su serie
• Escalas sincronizadas vs desplazadas: intervalos alineados o posiciones escalonadas

Datos (CSV)

x,y,series
2015-1,2.6,Precipitation(2015)
...
2016-12,0.7,Precipitation(2016)

Configuración del gráfico (JSON)

Mejores prácticas

• Color coordinado: iguala el color del eje con el de su serie para asociación inmediata
• Etiquetas claras: incluye periodo o categoría en los títulos de cada eje
• Posición escalonada: coloca un eje arriba y otro abajo para evitar choques de etiquetas
• Leyenda estratégica: ubícala donde no tape datos (arriba o abajo suele funcionar)
• Intervalos consistentes: usa la misma granularidad temporal en ambos ejes para comparaciones justas
• Cuadrícula alineada: garantiza que las líneas verticales coincidan para facilitar la lectura cruzada

Preguntas frecuentes

¿En qué se diferencia de superponer series en un solo eje? Aquí cada serie conserva su escala y etiquetas independientes, lo que resulta clave para comparar patrones año contra año aunque las fechas exactas difieran.

¿Cuándo usarlo en lugar de pequeños múltiplos? Úsalo cuando la comparación directa de patrones sea más importante que leer valores exactos. Recurre a pequeños múltiplos si cada dataset necesita su propio espacio o si los ejes quedarían muy cargados.

¿Puede inducir a error? Sí, si no se implementa con cuidado. Utiliza codificación por color, etiquetas claras y limita la vista a dos ejes. Evita diseños que no indiquen con claridad qué serie pertenece a cada escala.