Múltiplos eixos X

Visão geral

Gráficos com múltiplos eixos X permitem comparar conjuntos de dados em períodos ou escalas categóricas diferentes no mesmo canvas. Cada série se alinha ao seu próprio eixo horizontal, viabilizando comparações temporais (por exemplo, tendências ano a ano) ou agrupamentos distintos sem perder coerência visual.

Quando usar

• Comparações período vs. período com padrões alinhados
• Contrastar tendências sazonais de anos diferentes
• Sobrepor datasets similares com escalas de tempo independentes
• Destacar semelhanças de padrão mesmo com âncoras temporais distintas

Não é ideal

• Períodos muito díspares que impeçam comparações úteis
• Rótulos sobrepostos que confundam a qual eixo cada dado pertence
• Mais de dois eixos X (gera ruído e sobrecarga cognitiva)
• Histórias em que uma cronologia unificada seria mais clara

Variações-chave

• Múltiplos eixos X (superior/inferior): cada série vinculada à sua escala horizontal
• Eixos Y duplos: unidades verticais diferentes
• Eixos codificados por cor: cada eixo compartilha cor com sua série
• Escalas sincronizadas vs. defasadas: intervalos alinhados ou posições escalonadas

Dados (CSV)

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

Configuração do Gráfico (JSON)

Melhores práticas

• Cor coordenada: combine a cor do eixo com a da série para associação imediata
• Rótulos claros: inclua período ou categoria nos títulos de cada eixo
• Posição escalonada: coloque um eixo em cima e outro embaixo para evitar colisão de rótulos
• Legenda estratégica: posicione onde não cubra dados (topo ou base costuma funcionar)
• Intervalos consistentes: use a mesma granularidade temporal em ambos eixos para comparações justas
• Grade alinhada: garanta que as linhas verticais coincidam para facilitar leitura cruzada

Perguntas frequentes

Em que difere de sobrepor séries em um único eixo? Aqui cada série mantém sua escala e rótulos próprios, o que é crucial para comparar padrões ano a ano mesmo que as datas exatas sejam diferentes.

Quando usar em vez de pequenos múltiplos? Use quando a comparação direta de padrões for mais importante que ler valores exatos. Prefira pequenos múltiplos se cada dataset precisar de seu próprio espaço ou se os eixos ficarem muito carregados.

Pode induzir erro? Pode, se mal implementado. Use codificação por cor, rótulos claros e limite a dois eixos. Evite designs que não indiquem claramente a qual escala pertence cada série.