Matplotlib如何将图表X轴按token长度升序重新排序？

原函数使用nltk.FreqDist.plot()时，X轴默认按token长度的出现频率降序排列，要改成固定按2、3、4、5、6的升序展示，我们可以手动指定目标长度范围，统计对应频率后用matplotlib原生方法绘图，确保不同文本的图表X轴一致，方便对比。

修改后的composition函数代码 #

import matplotlib.pyplot as plt
import nltk

def composition(tokens, title):
    '''生成语料库的token长度组成曲线，X轴按2、3、4、5、6升序排列'''
    token_lengths = [len(token) for token in tokens]
    # 指定要展示的token长度范围，固定为2-6升序
    target_lengths = [2, 3, 4, 5, 6]
    # 统计每个目标长度的出现次数
    length_counts = [token_lengths.count(length) for length in target_lengths]
    
    fig = plt.figure()
    plt.gcf().subplots_adjust(bottom=0.15)
    
    # 使用matplotlib原生柱状图绘图，完全控制X轴顺序
    plt.bar(target_lengths, length_counts, width=0.8)
    # 若需要折线图，可替换为：plt.plot(target_lengths, length_counts, marker='o')
    
    plt.title(f'{title}')
    plt.xlabel('Token长度')
    plt.ylabel('出现次数')
    # 强制X轴刻度为指定的长度值，确保顺序固定
    plt.xticks(target_lengths)
    
    plt.show()
    fig.savefig(f'{title}.png')

配套的tokenize函数（无需修改） #

def tokenize(text, language):
    '''对给定文本进行分词，返回过滤后的token列表'''
    tokens = nltk.word_tokenize(text=text.lower(), language=f"{language}")
    # 过滤掉不含字母的token（移除标点等非单词内容）
    tokens = ([token for token in tokens if any(c.isalpha() for c in token)])
    return tokens

关键改动说明 #

• 新增target_lengths固定要展示的长度范围，确保不同文本的图表X轴完全一致
• 手动统计每个目标长度的出现次数，摆脱FreqDist.plot()默认的频率排序逻辑
• 使用matplotlib原生绘图方法，完全控制X轴的显示顺序
• 添加X/Y轴标签，让图表信息更直观清晰

内容的提问来源于stack exchange，提问作者KWunsch