Datashader通过服务端栅格化解决百万级散点图渲染崩溃问题：将点映射到像素并聚合（如计数），输出NumPy图像数组，避免Matplotlib/Plotly为每个点创建对象导致的内存爆炸与DOM崩溃。
直接用 plt.scatter() 或 px.scatter() 渲染百万级散点图，不是卡顿，是根本没机会画完——内存爆掉、浏览器无响应、Python进程被系统 kill 都可能发生。根本原因不是“画得慢”，而是“不该这么画”。
为什么 Matplotlib/Plotly 默认渲染会崩溃
Matplotlib 的 scatter() 为每个点创建一个独立的 PathCollection 对象，百万点 ≈ 百万个 Python 对象 + OpenGL/SVG 图形指令。内存占用轻松破 4GB，fig.canvas.draw_idle() 单次调用耗时常超 2 秒，且无法释放旧对象，导致内存持续增长。Plotly 的 SVG 模式同理：浏览器需解析并渲染上百万个 <circle></circle> 标签，DOM 崩溃是常态。
- 10 万点以上就开始出现明显过度绘制（所有点叠成一片“墨水团”，看不出密度分布）
- 50 万点时，Matplotlib 内存占用通常超 2.5GB，Jupyter 内核可能自动重启
- Plotly 在 Jupyter 中默认用 SVG，超过 20 万点就大概率触发浏览器 OOM 或无限 loading
Datashader 的核心思路：不画点，画像素
Datashader 不把数据传给前端绘图引擎，而是在服务端（Python 进程内）完成三步：坐标映射 → 栅格化（即把每个点落到对应像素格子）→ 聚合（如计数、均值、最大值）。最终只输出一张带语义的图像数组（numpy.ndarray），再交给 matplotlib 或 bokeh 显示。它处理千万点和百万点，耗时几乎不变。
- 输入仍是原始 DataFrame，无需预采样或丢弃数据
- 聚合逻辑可定制：
count()看密度、mean('value')看区域均值、spread('y')看离散程度 - 输出是纯 NumPy 数组，可直接
plt.imshow()，也可嵌入 Bokeh/Panel 实现交互缩放
示例（百万点生成+栅格化）：
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
立即学习“Python免费学习笔记（深入）”；
import datashader as ds
import datashader.transfer_functions as tf
import pandas as pd
import numpy as np
<p>df = pd.DataFrame({
'x': np.random.normal(0, 2, 1_000_000),
'y': np.random.normal(0, 1, 1_000_000)
})</p><p>cvs = ds.Canvas(plot_width=800, plot_height=600)
agg = cvs.points(df, 'x', 'y', ds.count()) # 关键：只计数，不存点
img = tf.shade(agg) # 转为彩色图像
img.to_pil().save('million_points.png') # 输出 800×600 PNG，秒级完成别踩坑：Datashader 不是“换库就完事”
Datashader 解决的是“渲染层瓶颈”，但若上游数据加载或过滤本身已卡死，它也救不了。必须同步做数据链路优化：
- 读 CSV 时务必加
usecols和dtype，避免把字符串列当object加载（内存翻 5–10 倍） - 不要在
cvs.points()前对 DataFrame 做df.query('x > 0')全量过滤——改用datashader.utils.lnglat_to_meters()或自定义Canvas范围裁剪，让栅格化阶段自动忽略屏外点 - 交互场景下，别反复调用
cvs.points()；应复用Canvas实例，并用agg.where(agg > 0)快速提取非空区域 -
tf.spread()/tf.stack()等着色函数会显著增加 CPU 时间，简单密度图用tf.shade(agg, cmap='fire')足够
真正卡顿的从来不是“画图”这个动作，而是你让系统做了它根本不该做的事。Datashader 强制你回到数据本质：你真正想看的，从来不是一百万个点的位置，而是它们在空间中如何分布、聚集、分层。漏掉这层认知，换十种库也没用。
