Matplotlib：如何自定义折线图的X轴刻度标签？

没问题，这事儿其实挺常见的，我来给你捋清楚怎么实现——核心思路就是先保留折线图的插值/连线效果，再把X轴的刻度标签替换成你需要的N值就行，不用改成散点图。

基础实现方案（直线插值） #

首先，你只需要用默认的折线图绘制，然后通过plt.xticks()替换X轴的刻度位置和标签：

import matplotlib.pyplot as plt

# 替换成你的实际预测值
predictions = [1.2, 2.5, 3.7, 4.3, 5.1]
# 对应的N值列表
n_values = [10, 20, 40, 80, 160]

# 绘制折线图（自动保留数据点间的连线/插值效果）
plt.plot(predictions)

# 关键操作：替换X轴刻度
# ticks参数指定原刻度的位置（这里是0-4，对应5个数据点）
# labels参数设置成你想要显示的N值
plt.xticks(ticks=range(len(n_values)), labels=n_values)

# 添加必要的标签和标题
plt.xlabel('*N*')
plt.ylabel('*Predicted Y Value*')
plt.title('Relationship between N and Y')

plt.show()

这样操作后，折线图的连线效果完全保留，X轴显示的却是你指定的10、20、40、80、160，完美匹配你的需求。

进阶：平滑曲线插值（可选） #

如果想要更自然的平滑插值效果（不是生硬的直线连接），可以借助scipy的样条插值生成更密集的点，再绘制折线，同样保留自定义X轴刻度：

import matplotlib.pyplot as plt
from scipy.interpolate import make_interp_spline
import numpy as np

predictions = [1.2, 2.5, 3.7, 4.3, 5.1]
n_values = [10, 20, 40, 80, 160]

# 生成更密集的X轴点（用于平滑曲线）
x_dense = np.linspace(0, len(n_values)-1, 300)
# 用三次样条插值生成平滑的Y值
spline = make_interp_spline(range(len(n_values)), predictions, k=3)
y_smooth = spline(x_dense)

# 绘制平滑折线
plt.plot(x_dense, y_smooth)

# 同样替换X轴刻度
plt.xticks(ticks=range(len(n_values)), labels=n_values)

plt.xlabel('*N*')
plt.ylabel('*Predicted Y Value*')
plt.title('Smoothed Relationship between N and Y')

plt.show()

原理说明 #

之所以能这么做，是因为Matplotlib绘制折线图时，默认用数据的索引（0、1、2...）作为X轴的位置，我们只是把这些位置对应的显示标签换成了实际的N值，完全不影响折线的插值/连线效果——相当于给X轴“换了个名字”，但底层的连线逻辑没变。

内容的提问来源于stack exchange，提问作者anon_swe