我来帮你搞定这个刻度标签遮挡的问题！你遇到的核心问题其实是调用tight_layout()的时机不对——你在绘制对数坐标轴之前就执行了布局调整，这时候Matplotlib还没生成那些带"x 10^2"的长刻度标签，自然没法准确计算需要预留的空间。

方法1：调整tight_layout()的调用顺序（最直接） #

把tight_layout()放到所有绘图代码之后，让Matplotlib先生成完整的绘图元素，再计算合理布局：

from matplotlib import pyplot as plt
f, a = plt.subplots()
vals = [180 + i for i in range(100)]
a.semilogy(vals, basey=10)
# 等刻度标签生成后再执行布局调整
f.tight_layout()
f.savefig("result.png", format='png')

方法2：用savefig参数兜底 #

如果调整顺序后仍有小瑕疵，可以在保存图片时直接添加bbox_inches='tight'参数，它会自动裁剪并优化图片边界：

from matplotlib import pyplot as plt
f, a = plt.subplots()
vals = [180 + i for i in range(100)]
a.semilogy(vals, basey=10)
f.savefig("result.png", format='png', bbox_inches='tight')

方法3：启用constrained_layout（推荐的现代方式） #

Matplotlib的constrained_layout是比tight_layout更智能的布局系统，它会在绘图过程中动态调整元素位置。你可以在创建子图时直接启用：

from matplotlib import pyplot as plt
# 创建子图时开启智能布局
f, a = plt.subplots(constrained_layout=True)
vals = [180 + i for i in range(100)]
a.semilogy(vals, basey=10)
f.savefig("result.png", format='png')

这几种方法都能完美解决你的刻度标签遮挡问题，其中constrained_layout是Matplotlib官方推荐的布局方式，日常使用更省心~

内容的提问来源于stack exchange，提问作者Timon Knigge