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)

另一种方法是设置轴定位器:

import matplotlib.ticker as plticker

loc = plticker.MultipleLocator(base=1.0) # this locator puts ticks at regular intervals
ax.xaxis.set_major_locator(loc)

根据您的需要，有几种不同类型的定位器。

下面是一个完整的例子:

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

x = [0,5,9,10,15]
y = [0,1,2,3,4]
fig, ax = plt.subplots()
ax.plot(x,y)
loc = plticker.MultipleLocator(base=1.0) # this locator puts ticks at regular intervals
ax.xaxis.set_major_locator(loc)
plt.show()

一般化的一行程序，只导入Numpy:

ax.set_xticks(np.arange(min(x),max(x),1))

在问题的背景下设置:

import numpy as np
import matplotlib.pyplot as plt 
fig, ax = plt.subplots()
x = [0,5,9,10,15]
y = [0,1,2,3,4]
ax.plot(x,y)
ax.set_xticks(np.arange(min(x),max(x),1))
plt.show()

工作原理:

图中，ax = plt.subplots()给出了包含坐标轴的ax对象。 np.arange(min(x)，max(x)，1)给出了一个区间为1的数组，从x的最小值到x的最大值。这是我们想要的新x刻度。 ax.set_xticks()改变ax对象上的刻度。

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。

你可以使用plt.xticks显式地设置你想要标记的位置:

plt.xticks(np.arange(min(x), max(x)+1, 1.0))

例如,

import numpy as np
import matplotlib.pyplot as plt

x = [0,5,9,10,15]
y = [0,1,2,3,4]
plt.plot(x,y)
plt.xticks(np.arange(min(x), max(x)+1, 1.0))
plt.show()

(np。使用arange而不是Python的range函数，以防min(x)和max(x)是浮点数而不是整数。)

plt。Plot(或ax.plot)函数将自动设置默认的x和y限制。如果希望保留这些限制，而只是改变标记的步长，那么可以使用ax.get_xlim()来发现Matplotlib已经设置了哪些限制。

start, end = ax.get_xlim()
ax.xaxis.set_ticks(np.arange(start, end, stepsize))

默认的刻度格式化器应该能很好地将刻度值舍入为合理的有效数字。但是，如果希望对格式有更多的控制，可以定义自己的格式化程序。例如,

ax.xaxis.set_major_formatter(ticker.FormatStrFormatter('%0.1f'))

下面是一个可运行的例子:

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker

x = [0,5,9,10,15]
y = [0,1,2,3,4]
fig, ax = plt.subplots()
ax.plot(x,y)
start, end = ax.get_xlim()
ax.xaxis.set_ticks(np.arange(start, end, 0.712123))
ax.xaxis.set_major_formatter(ticker.FormatStrFormatter('%0.1f'))
plt.show()

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)。