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)。

xmarks=[i for i in range(1,length+1,1)]

plt.xticks(xmarks)

这对我很有效

如果你想要[1,5](1到5包括在内)之间的刻度，那么替换

length = 5

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)。

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)

你可以循环标签，并显示或隐藏你想要的:

   for i, label in enumerate(ax.get_xticklabels()):
        if i % interval != 0:
            label.set_visible(False)

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()