这有点俗气，但到目前为止，这是我找到的最干净/最容易理解的例子。这句话来自这里SO的回答:

最干净的方法隐藏每n勾标签在matplotlib色条?

for label in ax.get_xticklabels()[::2]:
    label.set_visible(False)

然后你可以循环标签，根据你想要的密度将它们设置为可见或不可见。

编辑:注意，有时matplotlib设置标签== "，所以它可能看起来像一个标签不存在，而实际上它是，只是没有显示任何东西。为了确保你在循环实际可见的标签，你可以尝试:

visible_labels = [lab for lab in ax.get_xticklabels() if lab.get_visible() is True and lab.get_text() != '']
plt.setp(visible_labels[::2], visible=False)

我想出了一个不优雅的解决方案。假设我们有X轴和X中每个点的标签列表。

Example:

import matplotlib.pyplot as plt

x = [0,1,2,3,4,5]
y = [10,20,15,18,7,19]
xlabels = ['jan','feb','mar','apr','may','jun']

Let's say that I want to show ticks labels only for 'feb' and 'jun'

xlabelsnew = []
for i in xlabels:
    if i not in ['feb','jun']:
        i = ' '
        xlabelsnew.append(i)
    else:
        xlabelsnew.append(i)

Good, now we have a fake list of labels. First, we plotted the original version.

plt.plot(x,y)
plt.xticks(range(0,len(x)),xlabels,rotation=45)
plt.show()

Now, the modified version.

plt.plot(x,y)
plt.xticks(range(0,len(x)),xlabelsnew,rotation=45)
plt.show()

这有点俗气，但到目前为止，这是我找到的最干净/最容易理解的例子。这句话来自这里SO的回答:

最干净的方法隐藏每n勾标签在matplotlib色条?

for label in ax.get_xticklabels()[::2]:
    label.set_visible(False)

然后你可以循环标签，根据你想要的密度将它们设置为可见或不可见。

编辑:注意，有时matplotlib设置标签== "，所以它可能看起来像一个标签不存在，而实际上它是，只是没有显示任何东西。为了确保你在循环实际可见的标签，你可以尝试:

visible_labels = [lab for lab in ax.get_xticklabels() if lab.get_visible() is True and lab.get_text() != '']
plt.setp(visible_labels[::2], visible=False)

纯Python实现

下面是所需功能的纯python实现，它可以处理任何具有正、负或混合值的数值序列(int或float)，并允许用户指定所需的步长:

import math

def computeTicks (x, step = 5):
    """
    Computes domain with given step encompassing series x
    @ params
    x    - Required - A list-like object of integers or floats
    step - Optional - Tick frequency
    """
    xMax, xMin = math.ceil(max(x)), math.floor(min(x))
    dMax, dMin = xMax + abs((xMax % step) - step) + (step if (xMax % step != 0) else 0), xMin - abs((xMin % step))
    return range(dMin, dMax, step)

样例输出

# Negative to Positive
series = [-2, 18, 24, 29, 43]
print(list(computeTicks(series)))

[-5, 0, 5, 10, 15, 20, 25, 30, 35, 40, 45]

# Negative to 0
series = [-30, -14, -10, -9, -3, 0]
print(list(computeTicks(series)))

[-30, -25, -20, -15, -10, -5, 0]

# 0 to Positive
series = [19, 23, 24, 27]
print(list(computeTicks(series)))

[15, 20, 25, 30]

# Floats
series = [1.8, 12.0, 21.2]
print(list(computeTicks(series)))

[0, 5, 10, 15, 20, 25]

# Step – 100
series = [118.3, 293.2, 768.1]
print(list(computeTicks(series, step = 100)))

[100, 200, 300, 400, 500, 600, 700, 800]

示例使用

import matplotlib.pyplot as plt

x = [0,5,9,10,15]
y = [0,1,2,3,4]
plt.plot(x,y)
plt.xticks(computeTicks(x))
plt.show()

注意，x轴的整数值之间均匀间隔为5，而y轴的间隔不同(matplotlib的默认行为，因为没有指定刻度)。

因为上面的解决方案都不适用于我的用例，所以在这里我提供了一个使用None的解决方案，它可以适用于各种各样的场景。

下面是一个示例代码，它在X轴和Y轴上都产生了混乱的刻度。

# Note the super cluttered ticks on both X and Y axis.

# inputs
x = np.arange(1, 101)
y = x * np.log(x) 

fig = plt.figure()     # create figure
ax = fig.add_subplot(111)
ax.plot(x, y)
ax.set_xticks(x)        # set xtick values
ax.set_yticks(y)        # set ytick values

plt.show()

现在，我们用一个新的图来清理混乱，它只在x和y轴上显示一组稀疏的值作为刻度。

# inputs
x = np.arange(1, 101)
y = x * np.log(x)

fig = plt.figure()       # create figure
ax = fig.add_subplot(111)
ax.plot(x, y)

ax.set_xticks(x)
ax.set_yticks(y)

# which values need to be shown?
# here, we show every third value from `x` and `y`
show_every = 3

sparse_xticks = [None] * x.shape[0]
sparse_xticks[::show_every] = x[::show_every]

sparse_yticks = [None] * y.shape[0]
sparse_yticks[::show_every] = y[::show_every]

ax.set_xticklabels(sparse_xticks, fontsize=6)   # set sparse xtick values
ax.set_yticklabels(sparse_yticks, fontsize=6)   # set sparse ytick values

plt.show()

根据使用情况，可以简单地修改show_every并使用它为X或Y或两个轴取样刻度值，从而适应上面的代码。

如果这种基于步长的解决方案不适合，那么还可以以不规则的间隔填充sparse_xticks或sparse_yticks的值(如果需要的话)。

我喜欢这个解决方案(来自Matplotlib绘图Cookbook):

import matplotlib.pyplot as plt
import matplotlib.ticker as ticker

x = [0,5,9,10,15]
y = [0,1,2,3,4]

tick_spacing = 1

fig, ax = plt.subplots(1,1)
ax.plot(x,y)
ax.xaxis.set_major_locator(ticker.MultipleLocator(tick_spacing))
plt.show()

这个解决方案让你通过给ticker.MultipleLocater()的数字显式控制刻度间距，允许自动确定限制，并且便于以后读取。