import matplotlib
from matplotlib import pyplot as plt
fig1, ax1 = plt.subplots()
ax1.plot([10, 100, 1000], [1,2,3])
ax1.set_xscale('log')
ax1.set_xticks([20, 200, 500])
ax1.get_xaxis().set_major_formatter(matplotlib.ticker.ScalarFormatter())

或

ax1.get_xaxis().get_major_formatter().labelOnlyBase = False
plt.show()

我将添加几个图，并展示如何删除次要刻度：
OP：

from matplotlib import pyplot as plt

fig1, ax1 = plt.subplots()
ax1.plot([10, 100, 1000], [1,2,3])
ax1.set_xscale('log')
ax1.set_xticks([20, 300, 500])
plt.show()

如tcaswell所指出的，要添加一些特定的tick，可以使用matplotlib.ticker.ScalarFormatter：

from matplotlib import pyplot as plt
import matplotlib.ticker

fig1, ax1 = plt.subplots()
ax1.plot([10, 100, 1000], [1,2,3])
ax1.set_xscale('log')
ax1.set_xticks([20, 300, 500])
ax1.get_xaxis().set_major_formatter(matplotlib.ticker.ScalarFormatter())
plt.show()

要删除次要刻度，可以使用matplotlib.rcParams['xtick.minor.size']：

from matplotlib import pyplot as plt
import matplotlib.ticker

matplotlib.rcParams['xtick.minor.size'] = 0
matplotlib.rcParams['xtick.minor.width'] = 0

fig1, ax1 = plt.subplots()
ax1.plot([10, 100, 1000], [1,2,3])
ax1.set_xscale('log')
ax1.set_xticks([20, 300, 500])
ax1.get_xaxis().set_major_formatter(matplotlib.ticker.ScalarFormatter())

plt.show()

你可以使用ax1.get_xaxis().set_tick_params，它有同样的效果（但只修改当前轴，而不是所有未来的数字，不像matplotlib.rcParams）：

from matplotlib import pyplot as plt
import matplotlib.ticker

fig1, ax1 = plt.subplots()
ax1.plot([10, 100, 1000], [1,2,3])
ax1.set_xscale('log')
ax1.set_xticks([20, 300, 500])
ax1.get_xaxis().set_major_formatter(matplotlib.ticker.ScalarFormatter())

ax1.get_xaxis().set_tick_params(which='minor', size=0)
ax1.get_xaxis().set_tick_params(which='minor', width=0) 

plt.show()

from matplotlib.ticker import ScalarFormatter, NullFormatter
for axis in [ax.xaxis]:
    axis.set_major_formatter(ScalarFormatter())
    axis.set_minor_formatter(NullFormatter())

这将删除指数符号

最好使用np.geomspace作为xticks

ax = sns.histplot(arr, log_scale=True)
ax.xaxis.set_major_formatter(matplotlib.ticker.ScalarFormatter())
ax.set_xticks( np.geomspace(1, 1500 ,15).round() )

要使用x刻度对数绘制半对数图，有两个选项：

import matplotlib.pyplot as plt
fig, ax = plt.subplots()
ax.plot(x,y)
ax.set_xscale('log')

或

import matplotlib.pyplot as plt
fig, ax = plt.subplots()
ax.semilogx(x,y)

如果不需要设置xtick，这两个都可以。
如果你需要**来设置xtick，第二个会更好。
同样地

ax.loglog(x,y)

优于

ax.plot(x,y)
ax.set_xscale('log')
ax.set_yscale('log')

必须设置刻度时;

ax.semilogy(x,y)

优于

ax.plot(x,y)
ax.set_yscale('log')

当需要设置刻度时。