如何调整matplotlib非线性浮点数据绘图的xtick间隔解决刻度拥挤问题

方法1：按数据分布密度生成非均匀刻度 #

该方案完全匹配你的数据分布特征，可自主分配不同区间的刻度配额，既保证密集数据区有足够刻度展示，也能强制对齐最大值，总刻度数可控不会出现拥挤问题：

import numpy as np
import matplotlib.pyplot as plt

# 此处df替换为你的DataFrame对象
max_idx = df.index.max()
# 按数据分布比例分配刻度配额：0-1区间分配10个、1-100分配6个、100到最大值分配4个，总刻度20个和你的需求一致
ticks_part1 = np.linspace(0, 1, 10)
ticks_part2 = np.linspace(1, 100, 6)[1:] # 去掉和前一段重复的刻度值1
ticks_part3 = np.linspace(100, max_idx, 4)[1:] # 去掉和前一段重复的刻度值100
# 合并生成最终自定义刻度
custom_ticks = np.concatenate([ticks_part1, ticks_part2, ticks_part3])

# 应用到x轴，加45度旋转避免标签重叠
plt.xticks(custom_ticks, rotation=45, ha='right')

• 优势：灵活适配任意非均匀分布的数据，刻度位置完全可控，自动对齐x轴最右端的最大值。

方法2：使用对数坐标轴（适配大跨度数值场景） #

如果接受坐标轴非线性缩放，对数x轴会自动压缩大数值区间、放大密集的小数值区间，天然适配你这种小值区数据密集的场景：

# 开启对数x轴
plt.xscale('log')
# 手动指定关键刻度保证可读性，可按需增减
plt.xticks([0.1, 0.5, 1, 10, 50, 100, 500, 1000, 1534.34], 
           ['0.1', '0.5', '1', '10', '50', '100', '500', '1000', '1534.34'])

• 优势：无需手动计算区间比例，matplotlib自动完成区间缩放适配。

方法3：用内置刻度定位器自动适配 #

你也可以直接调用matplotlib的内置定位器解决均匀刻度不对齐最大值的问题，搭配对数定位器也可适配非线性分布：

from matplotlib.ticker import MaxNLocator, LogLocator

ax = plt.gca()
# 均匀刻度场景：强制包含0和最大值，生成20个刻度
ax.xaxis.set_major_locator(MaxNLocator(nbins=20, include_lowest=True, max_n_ticks=20))
# 非线性分布场景：替换为对数定位器即可
# ax.xaxis.set_major_locator(LogLocator(base=10, numticks=20))

内容的提问来源于stack exchange，提问作者Kolay