多个 X 轴

概述

多 X 轴图允许在同一画布上比较不同时间段或类别尺度的数据集。每条系列都有自己的水平轴，可进行时间比较（如同比趋势）或不同分组，而不失去视觉一致性.

何时使用

• 对齐模式的跨周期对比
• 不同年份的季节性趋势对照
• 叠加时间尺度独立但相似的数据集
• 即使起始时间不同也要突出模式相似性

不适用

• 时间跨度差异过大，难以比较
• 标签重叠导致轴归属混淆
• 超过两个 X 轴（视觉噪声、认知负担大）
• 统一时间线更清晰的故事

关键变体

• 上下两个 X 轴：每个系列绑定自己的横轴
• 双 Y 轴：垂直单位不同
• 颜色编码的轴：轴颜色与系列一致
• 同步 vs 错位刻度：间隔对齐或位置阶梯式

数据 (CSV)

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

图表配置 (JSON)

最佳实践

• 颜色关联：轴颜色与系列一致，方便匹配
• 标签清晰：在每个轴标题中包含周期或类别
• 错位放置：一上一直避免标签冲突
• 合理的图例位置：放在不遮挡数据的位置（上/下通常合适）
• 一致的间隔：两轴使用相同时间粒度，保证可比
• 对齐网格：确保垂直网格线对齐，便于交叉阅读

常见问题

和把多条线放同一轴有什么不同？ 每条线保留独立的刻度与标签，这对同比比较等场景很重要，即便具体日期不同。

什么时候不用小倍数而用多 X 轴？ 当你更关心直接对比模式而非精确读值时。若每个数据集需要独立空间或轴会过于拥挤，就改用小倍数。

会产生误导吗？ 如果设计不当会。务必使用颜色编码、清晰标签，并限制在两个轴内，避免不清楚系列归属的布局。