如何用单一命令为Matplotlib图表的X轴和Y轴设置相同的刻度与刻度标签？

当然有办法啦！你完全不用写重复的代码来分别设置X轴和Y轴的刻度——Matplotlib其实提供了好几种简洁的方式来统一处理双轴的刻度配置，帮你省下重复劳动的时间。

先看看你的原始代码，确实是通过重复调用set_xticks、set_xticklabels这类方法来分别设置两个轴：

import matplotlib.pyplot as plt
import seaborn as sns
plt.style.use('seaborn-v0_8')

fig, ax = plt.subplots(figsize=(4, 4))
ticks = [0.00, 0.25, 0.50, 0.75, 1.00]

# 原始的重复写法
ax.set_xticks(ticks)
ax.set_xticklabels(ticks, weight='bold', size=8)
ax.set_yticks(ticks)
ax.set_yticklabels(ticks, weight='bold', size=8)

plt.show()

下面给你几种更紧凑的实现方式，都能达到“一次配置双轴”的效果：

方法1：用ax.set()+ax.tick_params()组合（最接近“单一命令”需求） #

ax.set()方法支持一次性传入多个轴相关的参数，我们可以同时指定X轴和Y轴的刻度位置；然后用ax.tick_params()的axis='both'参数，把刻度标签的样式（比如加粗、字号）统一应用到双轴上：

import matplotlib.pyplot as plt
import seaborn as sns
plt.style.use('seaborn-v0_8')

fig, ax = plt.subplots(figsize=(4, 4))
ticks = [0.00, 0.25, 0.50, 0.75, 1.00]

# 一次性设置双轴的刻度位置
ax.set(xticks=ticks, yticks=ticks)
# 统一设置双轴刻度标签的样式：加粗、字号8
ax.tick_params(axis='both', labelsize=8, labelweight='bold')

plt.show()

这种写法只需要两行核心代码，就替代了原来的四行，而且逻辑清晰，一眼就能看出是在统一配置双轴。

方法2：打包参数+解包传入（适合参数较多的场景） #

如果你的刻度配置更复杂，还可以把所有轴参数打包成一个字典，然后用解包的方式传入ax.set()，这样代码会更整洁：

import matplotlib.pyplot as plt
import seaborn as sns
plt.style.use('seaborn-v0_8')

fig, ax = plt.subplots(figsize=(4, 4))
ticks = [0.00, 0.25, 0.50, 0.75, 1.00]

# 把双轴的刻度参数打包成字典
tick_config = {
    'xticks': ticks,
    'xticklabels': ticks,
    'yticks': ticks,
    'yticklabels': ticks
}
# 解包字典，一次性传入ax.set()
ax.set(**tick_config)
# 统一设置标签样式
ax.tick_params(axis='both', labelsize=8, labelweight='bold')

plt.show()

方法3：循环遍历双轴（灵活度最高） #

如果你想要更灵活的控制，还可以直接遍历X轴和Y轴对象，只写一次刻度配置逻辑，自动应用到两个轴上：

import matplotlib.pyplot as plt
import seaborn as sns
plt.style.use('seaborn-v0_8')

fig, ax = plt.subplots(figsize=(4, 4))
ticks = [0.00, 0.25, 0.50, 0.75, 1.00]

# 遍历x轴和y轴对象，统一设置刻度和标签
for axis in [ax.xaxis, ax.yaxis]:
    axis.set_ticks(ticks)
    axis.set_ticklabels(ticks, weight='bold', size=8)

plt.show()

这种方式的好处是，之后如果要调整刻度的逻辑（比如修改标签格式、添加自定义样式），只需要修改循环里的代码，不用同时改X轴和Y轴的配置，维护起来更方便。

以上几种方式都能帮你避免重复代码，根据自己的使用场景选就行啦！

内容来源于stack exchange