让两个图表共享一个轴是可以的。

但最好避免一张图在同一维度上有两个尺度。误读的可能性太大（主要是假设对齐具有一定的意义）。请参阅 Stephen Few 的文章图形中的双比例轴：它们曾经是最好的解决方案吗？.

您还可以使用 z 变换（或您认为更合适的任何其他方式）将绝对比例转换为相对比例。

speed  = c(2.2, 4.7, 7.3, 3.1)
weight = c(500, 222, 999, 1000)
speed=scale(speed)
weight=scale(weight)
rng=extendrange(range(c(speed,weight)))

plot(speed, type="b", col="red", ylim=rng,ylab="z-values",xlab="",xaxt="n",bty="n")
points(weight, type="b",col="blue")
legend("topleft",legend=c("speed","weight"),col=c("red","blue"),lty=1, bty="n",pch=1)
axis(1, at=lbls, labels=lbls)

这种方法的一个很好的特点是它可以在两个以上的尺度上使用。尽管它没有提供关于单个点值的信息，但它使尺度更具可比性。

一般来说，如果您对一组观察结果中的每一个都有两个不同的测量值，并且您认为它们之间可能存在关系，我认为最好用散点图将它们可视化。我不知道你是否使用R，但这里有一些简单的代码和示例图：

speed  = c(2.2, 4.7, 7.3, 3.1)
weight = c(500, 222, 999, 1000)

windows()
  plot(speed, weight)

这个情节看起来不是很精彩，主要是因为你只有 4 个数据点。

另一种可视化数据的方法是使用dotplot。这是查看表示简单量级的数据的一种特别好的方法，如果您只查看一个变量，这就是您所拥有的。请注意，这与条形图提供的内容相同，只是已显示点图更容易让人们提取信息。问题是，您能否同时查看两个变量，以便您可以看到关系，但没有冗余？

处理这个一般问题的一种方法是在同一个图上绘制两个变量（在这种情况下，同一个点图）。这类事情在经济学中的时间序列数据中很常见（这是我通过谷歌搜索找到的）。诀窍是找到一种方法在同一个地块上获得两个不同的比例。这可以通过根据另一个变量重新调整其中一个变量来完成；此外，您必须将另一个变量的轴值重新调整为第一个变量的项。这些“重新缩放”必须是线性变换，以免以有意义的方式更改数据。以下是一些R以令人难以置信的方式完成此操作的代码，但我希望它们很容易理解：

sM  = mean(speed);     wM  = mean(weight)
sSD = sd(speed);       wSD = sd(weight)

weightZ     = (weight-wM)   / wSD
convertedW  = (weightZ*sSD) + sM

sTicks      = c(0:8)
sTicksZ     = (sTicks-sM)    / sSD
convertedST = (sTicksZ*wSD)  + wM
convertedST = round(convertedST)

sY = seq(from=1.1, to=4.1, by=1)
wY = seq(from=0.9, to=3.9, by=1)


windows()
  plot(speed, sY, pch=1, col="red", axes=F, xlab="", ylab="", ylim=c(0.5, 4.5), xlim=c(0,8))
  points(convertedW, wY, pch=2, col="blue")
  abline(h=c(1:4), lty="dashed", col="lightgray")

  box()
  axis(side=2, at=c(1:4), labels=c("a","b","c","d"))
  axis(side=3, at=sTicks,                          col="red")
  axis(side=1, at=sTicks, labels=convertedST,      col="blue")

  mtext("Speed",  side=3, line=2.5, cex=1.5, col="red")
  mtext("Weight", side=1, line=2.5, cex=1.5, col="blue")

  legend("bottomright", legend=c("Speed", "Weight"), pch=c(1,2), col=c("red","blue"))

正如您在此处所拥有的，使用较少的数据，这可能会提供更多信息。

鉴于您的数据集在数量级上有所不同，您可能希望对 x 轴使用对数刻度（或在绘图之前获取所有样本的对数。）这样您仍然可以看到相同数量级内的变化相对清晰，而组之间的空白空间被压缩。

示例R：

speed  = c(2.2, 4.7, 7.3, 3.1)
weight = c(500, 222, 999, 1000)

barplot(rbind(speed, weight), log='x', beside=T, horiz=T,
        legend.text=T, args.legend=list(x='right'))