Python 执行多项式线性回归时Matplotlib上的x轴不正确

以下代码生成范围为8到18的x轴。x轴的数据实际上在1000万到5000万之间。我希望对数刻度显示（10000），（100000），（1000000）（10000000）等

如何固定x轴

dataset = pandas.DataFrame(Transactions, Price)
dataset = dataset.drop_duplicates()

import numpy as np
import matplotlib.pyplot as plt

X=dataset[['Transactions']]
y=dataset[['Price']]

log_X =np.log(X)

from sklearn.linear_model import LinearRegression
lin_reg = LinearRegression()

from sklearn.preprocessing import PolynomialFeatures
poly_reg = PolynomialFeatures(degree=2)
X_poly = poly_reg.fit_transform(log_X)
pol_reg = LinearRegression()
pol_reg.fit(X_poly, y)

def viz_polymonial():
    plt.scatter(log_X, y, color='red')
    plt.plot(log_X, pol_reg.predict(poly_reg.fit_transform(log_X)), color='blue')
    plt.title('Price Curve')
    plt.xlabel('Transactions')
    plt.ylabel('Price')
    plt.grid(linestyle='dotted')
    plt.show()
    return
viz_polymonial()

绘图：

---

使用对数刻度绘制

log_X

的值。它是双重记录的。用对数刻度仅绘制X，或

np.exp（log\ux）

不，你甚至没有使用对数刻度。使用对数比例绘制

X

：使用正常比例绘制

plt.xscale（“log”）

，而不是

log\u X