Вы можете достичь этого, используя twinx()
. Я рекомендую использовать ax.set_yticks
и ax.set_yticklabels
для большего контроля, но можно было бы использовать и plt.yticks(ticks=ticks, labels=labels)
.
EDIT : Я добавил шкалу цветов к графику. При создании шкалы цветов вы можете указать mappable
(объект, для которого должны быть сопоставлены цвета) в качестве первого аргумента. Для этого я назначил colorme sh переменной для последующего повторного использования (image = ax.pcolormesh(x, y, z)
).
data = [[2.01756016, 2.83041846, 3.81709531, 4.98948707, 6.2480729],
[2.01756016, 2.59428527, 3.42083514, 4.15525314, 4.87254428],
[2.01756016, 2.47796649, 2.95297856, 3.37313728, 3.66131579],
[2.01756016, 2.24718239, 2.56393939, 2.70463483, 2.65250443]]
fig, ax = plt.subplots(figsize=(6, 6))
ax2 = ax.twinx()
sidex = np.linspace(0.875, 2.125, 6)
sidey = np.linspace(5, 45, 5)
x, y = np.meshgrid(sidex, sidey)
z = [[data[i][j] for j in range(len(data[0]))] for i in range(len(data))]
image = ax.pcolormesh(x, y, z)
ax.set_xticks([1, 1.25, 1.5, 1.75, 2])
ax.set_yticks([10, 20, 30, 40])
ax.set_yticklabels([1, 2, 3, 4])
ax2.set_yticks([10, 20, 30, 40])
ax2.set_yticklabels([10, 20, 30, 40])
ax2.set_ylim(ax.get_ylim())
fig.colorbar(image, pad=0.1)
ax.set_xlabel('X')
ax.set_ylabel('Y/10')
ax2.set_ylabel('Y')
plt.tight_layout()
plt.show()