在 Plotly 的 make_subplots 中，可通过 matches 参数精准控制任意两个子图的 X 轴同步，无需全局启用 shared_xaxes，从而灵活实现仅前两行数据图共用 X 轴、而第三行图像图独立缩放的效果。
在 plotly 的 `make_subplots` 中，可通过 `matches` 参数精准控制任意两个子图的 x 轴同步，无需全局启用 `shared_xaxes`，从而灵活实现仅前两行数据图共用 x 轴、而第三行图像图独立缩放的效果。
当使用 make_subplots(rows=3, cols=1) 构建包含三行子图的布局时（例如：第一行为折线图、第二行为双 Y 轴数据图、第三行为图像），若希望仅让前两行的数据子图共享 X 轴（即滚动/缩放时联动，且刻度对齐），而第三行图像子图保持独立的 X 范围（如像素坐标或自定义范围），不应设置 shared_xaxes=True——因为该参数会强制所有行的 X 轴完全绑定，与图像图的语义和尺度通常冲突。
正确做法是利用 Plotly 底层的 matches 机制进行显式轴匹配：它允许你指定某一行的 X 轴（如 x2）与另一行的 X 轴（如 x）在数据范围、自动缩放、分类顺序等方面严格同步。
以下为完整实现步骤：
- 初始化子图时禁用全局共享（推荐设为 False 或省略，默认即不共享）；
- 调用 fig.update_xaxes() 分别配置需同步的轴，通过 row= 指定目标子图行号，matches= 指定参考轴 ID（如 'x' 表示第一行的主 X 轴）。
from plotly.subplots import make_subplots
import plotly.graph_objects as go
# 创建 3 行 1 列子图，第三行为 image 类型
fig = make_subplots(
rows=3, cols=1,
vertical_spacing=0.05,
specs=[
[{"secondary_y": False}], # 第1行：普通数据图
[{"secondary_y": True}], # 第2行：双Y轴数据图
[{"type": "image"}] # 第3行：图像图（X/Y 通常为像素索引）
],
subplot_titles=("Time Series A", "Time Series B"),
row_heights=[0.7, 0.15, 0.15],
shared_xaxes=False # 关键：禁用全局共享，避免影响图像图
)
# 添加示例数据（此处略去具体 trace 添加逻辑）
# fig.add_trace(..., row=1, col=1)
# fig.add_trace(..., row=2, col=1)
# fig.add_trace(go.Image(z=image_data), row=3, col=1)
# ✅ 仅让第2行 X 轴匹配第1行 X 轴（即 x2 ←→ x）
fig.update_xaxes(row=2, matches='x')
# 可选：若需反向匹配（x ←→ x2），也可写为：
# fig.update_xaxes(row=1, matches='x2')
# （注意：无需为第3行设置 matches，保持其 X 轴完全独立）⚠️ 注意事项：
- matches='x' 中的 'x' 是 Plotly 默认为第一行第一列子图分配的 X 轴 ID；第二行对应为 'x2'，第三行为 'x3'，以此类推；
- 若子图含 secondary_y=True，其 X 轴 ID 仍为 'x2'（Y 轴则分 'y2' 和 'y2 secondary'），不影响 X 轴匹配逻辑；
- 图像图（type="image"）通常使用整数像素坐标，与时间序列等连续数据尺度不兼容，强制共享会导致显示异常或交互失效，因此必须排除；
- 此方法同样适用于 shared_yaxes 场景，只需将 update_xaxes 替换为 update_yaxes 并调整 matches 值（如 'y', 'y2'）。
通过 matches 的细粒度控制，你既能保障数据图间的坐标一致性，又能确保图像图保留其原生尺度与交互自由度——这是构建混合可视化仪表盘的关键实践。
