如何缩放Matplotlib+Seaborn图表X轴以提升可读性？

你当前的问题是因为gdp_md_est是连续数值型字段，Seaborn的pointplot默认会为每个唯一的X值生成刻度，导致刻度重叠无法读取。以下是几种可行的解决办法：

方法1：手动控制X轴刻度数量 #

通过matplotlib的刻度定位器，指定要显示的刻度数量，避免全部数值都显示：

import matplotlib.pyplot as plt
from matplotlib.ticker import MaxNLocator
import seaborn as sns

plt.figure(figsize=(12,5))
sns.pointplot(data=who_air_gdp, x='gdp_md_est', y='PM10 (μg/m3)', hue='World Bank ranking of income 2019')
plt.title('PM10 per GDP')
sns.despine()
plt.tight_layout()
plt.xlabel('GDP')
plt.ylabel('PM10 (μg/m3)')

# 控制X轴最多显示5个刻度，可根据需求调整nbins参数
plt.gca().xaxis.set_major_locator(MaxNLocator(nbins=5))

plt.show()

方法2：使用对数坐标轴（适合数值跨度大的场景） #

如果GDP数值差距极大，对数坐标轴能让刻度分布更合理：

import matplotlib.pyplot as plt
import seaborn as sns

plt.figure(figsize=(12,5))
sns.pointplot(data=who_air_gdp, x='gdp_md_est', y='PM10 (μg/m3)', hue='World Bank ranking of income 2019')
plt.title('PM10 per GDP')
sns.despine()
plt.tight_layout()
plt.xlabel('GDP')
plt.ylabel('PM10 (μg/m3)')

# 设置X轴为对数刻度
plt.xscale('log')
# 可选：格式化刻度为常规数字（默认是科学计数法）
plt.gca().xaxis.set_major_formatter(plt.ScalarFormatter())

plt.show()

方法3：将连续GDP数值分箱为分类区间 #

把GDP分成若干区间，将连续变量转为分类变量后绘图，刻度会更清晰：

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd

# 先给GDP分箱，比如分成5个区间
who_air_gdp['gdp_bin'] = pd.cut(who_air_gdp['gdp_md_est'], bins=5, include_lowest=True)

plt.figure(figsize=(12,5))
# X轴使用分箱后的分类字段
sns.pointplot(data=who_air_gdp, x='gdp_bin', y='PM10 (μg/m3)', hue='World Bank ranking of income 2019')
plt.title('PM10 per GDP')
sns.despine()
plt.tight_layout()
plt.xlabel('GDP区间')
plt.ylabel('PM10 (μg/m3)')
# 旋转X轴标签避免重叠
plt.xticks(rotation=45)

plt.show()

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