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。

如果你只是想把间距设置为一个简单的一行和最小的样板:

plt.gca().xaxis.set_major_locator(plt.MultipleLocator(1))

对小蜱虫也很有效:

plt.gca().xaxis.set_minor_locator(plt.MultipleLocator(1))

有点满口，但很紧凑

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()

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()

如果有人对一般的一行程序感兴趣，只需获取当前的刻度，并通过对每个其他刻度进行采样来使用它来设置新的刻度。

ax.set_xticks(ax.get_xticks()[::2])

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)。