您需要手动设置yticks，因为它是自动计算的，从而导致变化。添加如下内容：

ax1.set_yticks(np.linspace(ax1.get_ybound()[0], ax1.get_ybound()[1], 5))
ax2.set_yticks(np.linspace(ax2.get_ybound()[0], ax2.get_ybound()[1], 5))

其中，我们使用轴边界之间的5个点的数组设置ytick位置。因为你有一个直方图，你可以在每种情况下将下限设置为零，你可能希望上限稍微大一点，所以我会有

ax1.set_yticks(np.linspace(0, ax1.get_ybound()[1]+1, 5))
ax2.set_yticks(np.linspace(0, ax2.get_ybound()[1]+1, 5))

给出一个图（为了清晰起见，颜色和透明度（alpha）发生了变化）：

我知道这是旧的，但这可能会帮助一些人在未来。
我基于上面的解决方案创建了一个函数，以确保标签最终不会变成含有大量小数的东西：

def calculate_ticks(ax, ticks, round_to=0.1, center=False):
    upperbound = np.ceil(ax.get_ybound()[1]/round_to)
    lowerbound = np.floor(ax.get_ybound()[0]/round_to)
    dy = upperbound - lowerbound
    fit = np.floor(dy/(ticks - 1)) + 1
    dy_new = (ticks - 1)*fit
    if center:
        offset = np.floor((dy_new - dy)/2)
        lowerbound = lowerbound - offset
    values = np.linspace(lowerbound, lowerbound + dy_new, ticks)
    return values*round_to

其使用方式如下：

ax1.set_yticks(calculate_ticks(ax1, 10))
ax2.set_yticks(calculate_ticks(ax2, 10))

输出：

在答案后面加上：对于那些在他们的情节中既有负值又有正值的人，我发现的解决方案如下：

max1 = np.nanmax(ax1.get_ybound()) #in case you have nan values
max2 = np.nanmax(ax2.get_ybound())
nticks = 5 #or other odd number
ax1.set_yticks(np.linspace(-max1, max1, nticks))
ax2.set_yticks(np.linspace(-max2, max2, nticks))

这导致与零的对称轴距离，其中y轴上的零“线”对齐。
set_yticks的困难在于它在min和max之间进行计算，而不是min，0，max。