python数据可视化坐标轴

为啥我的坐标纵轴不是按照递增的顺序排列的啊，跳跃性很大，本来是想要通过数据可视化判断趋势走向，然后我对着这个图左左右右分析半天，发现这个轴有问题，下附代码


import csv
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

Zb = [[], []]
file = open(r'D:\pythonproject\pythontrain\venv\22180A01.csv')  # 打开csv文件
reader = csv.reader(file)  # 读取csv文件
data = list(reader)  # 将csv数据转化为列表
length_h = len(data)  # 得到数据行数
lenght_l = len(data[0])  # 得到每行长度
x = list()
y = list()
for i in range(1, length_h):  # 从第一行开始读取
    x.append(data[i][2])  # 将第三列数据从第一行读取到最后一行付给列表x
    y.append(data[i][0])  # 将第一列数据从第一行读取到最后一行付给列表y

plt.xlabel("t") #设置x轴的名称
plt.ylabel("I/A") #设置y轴的名称
plt.plot(x,y)  # 绘制折线图
plt.show()  # 显示折线图

这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/1063175
你也可以参考下这篇文章：Python 内存泄露问题，详细讲解如何查找问题以及解决方法
除此之外, 这篇博客: python大数据可视化分析淘宝商品，开专卖店不行啊中的 二、爬虫脚本编写 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
以男士衬衫商品为例子，开展的简单数据分析，其目的是了解淘宝网站线上销售男士内裤的方法和模式。通过获取到的淘宝网站男士衬衫销售数据情况，进一步分析和判断出哪个价格区间及品牌等信息更加受到网购消费者的青睐和偏好，从而给自己买一个性价比较好的衬衫。
您还可以看一下黄勇老师的Python从入门到实战基础入门视频教程（讲解超细致）课程中的子类不能继承父类的私有···小节, 巩固相关知识点

Python有多种数据可视化工具和库，用于创建和调整坐标轴以及可视化数据。以下是可以使用的一些库和部分基本函数，以更好地了解如何调整Python数据可视化图表的坐标轴。

matplotlib Matplotlib是一个基于Python的绘图库，可用于创建2D图表，包括散点图、柱状图、线图等。在Matplotlib中，轴由转轴（Axis）和轴标签（Tick Label）组成。其中轴通过调用plt.axis()函数，可以指定轴的范围和其他属性。使用plt.xlabel()和plt.ylabel()函数分别设置X轴和Y轴标签。例如，下面的代码演示如何设置Y轴的范围和标签：

import matplotlib.pyplot as plt 
import numpy as np 

# 生成随机数据 
x = np.arange(0, 10, 0.1) 
y = np.sin(x) 

# 绘制图表 
plt.plot(x, y) 
plt.ylabel('Y轴标签') 
plt.ylim(-1.2, 1.2) 

# 显示图像 
plt.show()

seaborn Seaborn是基于Matplotlib的数据可视化工具，旨在提供更简单的界面和更高级别的语法，用于创建各种坐标轴。例如，seaborn.distplot()函数可绘制带有概率密度曲线的直方图，可以指定坐标轴范围和其他属性。还可以使用seaborn.set()函数设置整个可视化的风格。例如，下面的代码演示如何设置直方图的X轴范围和标签：

import seaborn as sns 
import numpy as np 

# 生成随机数据 
x = np.random.normal(size = 100) 

# 设置风格 
sns.set() 

# 绘制直方图 
sns.distplot(x, kde = False); 
plt.xlim(-5,5) plt.xlabel('X轴标签') 

# 显示图像 
plt.show()

plotly Plotly是一个交互式可视化库，旨在创建高质量的可交互图表和图表。使用Plotly Express，则可以轻松绘制多种类型的图表，例如直方图、散点图等。可以使用px.histogram()函数绘制直方图，并使用update_layout()函数调整坐标轴和其他图表属性。例如，下面的代码演示如何调整直方图的Y轴范围和标签：
``` python
import plotly.express as px
import numpy as np

生成随机数据

x = np.random.normal(size = 100)

绘制直方图

fig = px.histogram(x)
fig.update_layout( yaxis = dict( title = 'Y轴标签', range = [0, 12] ) )

显示图像

fig.show()


4. ggplot ggplot是一个基于ggplot2的Python图形库，旨在提供构建各种类型图表的一致和标准化语法。可以使用`ggplot.geoms.geom_bar()`函数绘制直方图，并使用`ggplot.ggplot()`函数调整坐标轴和其他图表属性。 例如，下面的代码演示如何调整直方图的X轴范围和标签： 

``` python
import ggplot as gg 
import numpy as np 

# 生成随机数据 
x = np.random.normal(size = 100) 

# 绘制直方图 
p = gg.ggplot(gg.aes(x = 'x'), data = pd.DataFrame({'x':x})) + gg.geoms.geom_bar() p + gg.theme_bw() + gg.scale_x_continuous(limits = (-5, 5)) + gg.xlab('X轴标签')

总之，以上是几种常用的Python数据可视化库中的示例函数，可用于调整坐标轴和其他图表属性，以更好地可视化和表示数据。