Python 是否可以独立于数据集长度和缩放更改pyplot上的刻度频率？

使用matplotlib打印数据时，x轴上始终有5-9个记号，与我打印的范围无关，如果在x轴上缩放，记号间距将减小，因此我仍然可以看到5-9个记号

但是，我希望我的x轴上有20-30个刻度

我可以通过以下方式实现这一目标：

从matplotlib导入pyplot作为plt
将numpy作为np导入
x=[5,10,15,20,25,30,35,40,45,50]
y=[1,4,3,2,7,6,9,8,10,5]
x轴上的刻度数=20
平面图（x，y）
plt.xticks（np.arange（最小（x），最大（x）+1，（最大（x）-最小（x））/x轴上的刻度数）
plt.show（）

---

如果现在在x轴上缩放，则现有刻度之间不会出现新的刻度。无论缩放多少，我都希望仍有20个刻度。

您可以将回调函数链接到画布中的事件。在您的情况下，可以触发一个函数，在重画发生时更新轴

从matplotlib导入pyplot作为plt
将numpy作为np导入
x=[5,10,15,20,25,30,35,40,45,50]
y=[1,4,3,2,7,6,9,8,10,5]
n=20
平面图（x，y）
plt.xticks（np.arange（最小（x），最大（x）+1，（最大（x）-最小（x））/n，旋转=90）
缩放时的def（事件）：
ax=plt.gca（）
图=plt.gcf（）
x_min，x_max=ax.get_xlim（）
ax.set_xticks（np.linspace（x_min，x_max，n））
#必须添加flush_事件，以便在上次更新时重新绘制刻度。
图canvas.flush_事件（）
图=plt.gcf（）
图.mpl\U断开连接（cid）
cid=fig.canvas.mpl\u connect（'draw\u event'，on\u zoom）

假设您要固定X轴上的刻度数

请查看for

MaxNLocator

---

例子 [36]中的

：将numpy作为np导入
…：将matplotlib.pyplot作为plt导入
在[37]中：从matplotlib.ticker导入MaxNLocator
在[38]中：图，ax=plt.子图（figsize=（10,4））
在[39]：ax.grid（）中
在[40]中：ax.xaxis.set\u major\u定位器（MaxNLocator（最小刻度=15））
在[41]中：x=np.linspace（0,1,51）
在[42]中：y=x*（1-x）
In[43]：plt.plot（x，y）
Out[43]：[]

给予

当我放大曲线的最大值时

---

这是一个非常优雅的解决方案。然而，我想我实际上是在寻找nbins ax.xaxis.set_major_locator（MaxNLocator（nbins=20））我没有花足够长的时间使用

MaxNLocator

来建议您在特定使用中的最佳参数选择，但我肯定认为

MaxNLocator

是您需要的。。。

...
from matplotlib.ticker import MaxNLocator
...
fig, ax = plt.subplots()
ax.xaxis.set_major_locator(MaxNLocator(15, min_n_ticks=15))
...

In [36]: import numpy as np 
    ...: import matplotlib.pyplot as plt                                                  
In [37]: from matplotlib.ticker import MaxNLocator                                        
In [38]: fig, ax = plt.subplots(figsize=(10,4))                                           
In [39]: ax.grid()                                                                        
In [40]: ax.xaxis.set_major_locator(MaxNLocator(min_n_ticks=15))                          
In [41]: x = np.linspace(0, 1, 51)                                                        
In [42]: y = x*(1-x)                                                                      
In [43]: plt.plot(x, y)                                                                   
Out[43]: [<matplotlib.lines.Line2D at 0x7f9eab409e10>]