Matplotlib绘图数据量增大时如何实现自适应xticks刻度配置

问题说明 #

当前代码手动执行 plt.xticks([i for i in range(1,n+1)])，将x轴覆盖范围内的所有整数全部设为刻度点：

• 当n数值较小时，刻度排布清晰
• 当n数值增大后，相邻刻度会完全重叠拥挤，失去可读性
  同时代码存在一处变量定义问题：np.max(vector) 中的vector未提前声明，实际应替换为np.max(y) 读取y轴的最大值。

可落地的解决方案 #

方案一：使用matplotlib内置自动刻度定位（零额外计算成本） #

直接删除手动设置xticks的代码行，借助matplotlib原生的自适应刻度逻辑，即可根据x轴范围、图表宽度自动选择合适的刻度间隔，从根源上避免刻度拥挤。
如果需要精准控制刻度密度，可搭配MaxNLocator工具限制最多展示的刻度数量，示例代码：

from matplotlib.ticker import MaxNLocator

# 保留原有x轴范围设置
plt.xlim(1, n)
# 获取当前坐标轴实例
ax = plt.gca()
# 设置x轴最多展示8个主刻度，可根据需要调整nbins数值
ax.xaxis.set_major_locator(MaxNLocator(nbins=8))

注：nbins参数决定了最多展示的刻度总数，数值越大、显示的刻度点越密集，可根据自己的展示需求调整。

方案二：自定义动态步长逻辑 #

如果需要保留“小n时全刻度展示、大n时间隔展示”的规则，可根据n的数值动态计算刻度间隔，示例逻辑：

# 按数据规模动态调整刻度步长
if n <= 20:
    # 小数据量场景：全量展示刻度
    tick_step = 1
elif n <= 100:
    # 中等数据量场景：每10个数据点展示一个刻度
    tick_step = 10
else:
    # 大规模数据场景：每50个数据点展示一个刻度
    tick_step = 50

# 生成适配的刻度列表
plt.xticks(np.arange(1, n + 1, tick_step))

这种方式可以完全自主控制刻度展示规则，灵活适配不同的展示需求。

调整后的完整参考代码 #

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import MaxNLocator

n = # 控制台输入的正整数

x = [m for m in range(1, n+1)]
y = [f(i) for i in x]

plt.plot(x, y)
plt.title("Berechnungszeitdiagramm für die Funktion")
plt.xlim(1, n)

# 自适应配置x轴刻度
ax = plt.gca()
ax.xaxis.set_major_locator(MaxNLocator(nbins=8))

plt.xlabel("n")
plt.ylim(0, np.max(y) + 1)
plt.ylabel("Berechnungszeit (in ns)")
plt.grid()
plt.show()

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