最灵活的方法是将integer=True指定为默认刻度定位器（MaxNLocator），做类似的事情：

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

fig, ax = plt.subplots()

# Be sure to only pick integer tick locations.
for axis in [ax.xaxis, ax.yaxis]:
    axis.set_major_locator(ticker.MaxNLocator(integer=True))

# Plot anything (note the non-integer min-max values)...
x = np.linspace(-0.1, np.pi, 100)
ax.plot(0.5 * x, 22.8 * np.cos(3 * x), color='black')

# Just for appearance's sake
ax.margins(0.05)
ax.axis('tight')
fig.tight_layout()

plt.show()

或者，您可以按照Marcin和Joel的建议手动设置刻度位置/标签（或使用MultipleLocator）。这样做的缺点是，你需要找出什么样的刻度位置是有意义的，而不是让matplotlib根据轴限制来选择一个合理的整数刻度间隔。

另一种强制执行整数刻度的方法是使用pyplot.locator_params。
使用与公认答案中几乎相同的示例：

import numpy as np
import matplotlib.pyplot as plt

# Plot anything (note the non-integer min-max values)...
x = np.linspace(-0.1, np.pi, 100)
plt.plot(0.5 * x, 22.8 * np.cos(3 * x), color='black')

# use axis={'both', 'x', 'y'} to choose axis
plt.locator_params(axis="both", integer=True, tight=True)

# Just for appearance's sake
plt.margins(0.05)
plt.tight_layout()

plt.show()

如果只是要更改y轴，一个简单的方法是确定需要更改的刻度：

tickpos = [0,1,4,6]

py.yticks(tickpos,tickpos)

将在0、1、4和6处放置刻度。更一般地说

py.yticks([0,1,2,3], ['zero', 1, 'two', 3.0])

将把第二个列表的标签放在第一个列表中的位置。如果标签将是y值，最好使用py.yticks(tickpos,tickpos)版本，以确保无论何时更改刻度的位置，标签都会得到相同的更改。
更一般地说，Kington的答案将让你告诉pylab在y轴上只显示整数，但让它选择刻度的位置。

您可以按如下方式修改记号标签/编号。这只是一个例子，因为你没有提供任何代码，你有，所以不确定它是否适用于你或没有。

import matplotlib.pyplot as plt

fig, ax = plt.subplots()

fig.canvas.draw()

# just the original labels/numbers and modify them, e.g. multiply by 100
# and define new format for them.
labels = ["{:0.0f}".format(float(item.get_text())*100) 
                for item in ax.get_xticklabels()]

ax.set_xticklabels(labels)

plt.show()

不修改x轴：

修改后：