Matplotlib或Bokeh画千万点会卡死，因其将每点作为独立对象渲染致内存/GPU爆满；Datashader采用“先聚合、后着色”，以像素网格统计密度并着色，计算与渲染解耦。
为什么直接用 matplotlib 或 bokeh 画千万点会卡死
因为它们默认把每个点都当独立图形对象渲染，内存和 GPU 显存瞬间爆掉。Datashader 的核心思路是「先聚合、后着色」：不画点，而是把画布划分成像素网格，统计每个像素内有多少数据点，再按密度上色。这一步完全在 CPU 或 GPU（支持 CUDA 时）做数值计算，和前端渲染解耦。
常见错误现象：MemoryError、Jupyter 内核无响应、浏览器白屏或卡在「Loading...」——基本都是没走 Datashader 的 rasterization 流程，还在试图传原始坐标给前端。
- 必须调用
datashader.Canvas.points()或.line()触发聚合，不能跳过这步直接传 DataFrame 给tf.shade() - 别用
bokeh.plotting.figure().circle()套 Datashader 输出——那是反模式，会把整个Image当纹理塞进 WebGL，失去交互缩放能力 - 默认 canvas 尺寸太小（如 400×400）会导致高分辨率显示器上糊成一片，建议按显示区域设
plot_width/plot_height，而非依赖自动缩放
Canvas.points() 的关键参数怎么选才不丢细节
聚合精度全靠 Canvas 初始化时的分辨率和字段映射决定。设太粗，小簇点被吞掉；设太细，计算慢且输出图像超大。
实操建议：
立即学习“Python免费学习笔记（深入）”；
图片提示词生成器？不止如此。 马甲系统 —— 把脑海中的画面，翻译成AI能理解的专业表达。 用得越多，它越懂你：首次需要多问几句确认方向，用久了几乎一说就懂。 用得越多，它越快：缓存机制让后续对话越来越省。 RAG进化：成功案例持续入库，越跑越聪明。 输入「新手指南」查看完整功能介绍
-
x和y必须是数值列，float64最稳；如果用category或datetime64，得先转为数值（比如df['time'].astype('int64')） -
plot_width和plot_height应接近最终显示容器尺寸（如 Jupyter 输出框宽 1200px，就设plot_width=1200），不是原始数据量 - 想保留局部差异？加
aggregator=ds.count_cat('label')分类计数，但注意：分类字段值不宜超过几千种，否则聚合表爆炸 - 避免用
ds.mean('value')类操作处理稀疏数据——某像素无点时会填NaN，tf.shade()默认不渲染 NaN，导致空白块
tf.shade() 颜色映射踩坑：为什么图是黑的或全是白的
聚合完得到的是一个 xarray DataArray，值域完全取决于你的数据分布。tf.shade() 默认把最小值映射黑、最大值映射白，中间线性插值。如果数据有离群点（比如一两个点值是其他点的百万倍），整个动态范围就被拉垮。
解决路径：
- 先用
agg.min().item(), agg.max().item()看聚合结果的实际值域，别猜 - 用
how='log'或how='eq_hist'替代默认how='linear'，尤其适合幂律分布（如地理热力、用户点击） - 手动截断：传
min_alpha=30, max_alpha=255控制透明度下限，或用span=(low, high)强制指定映射区间 - 颜色图别硬套
matplotlib.cm.viridis——它在低值区变化太缓，改用tf.brewer['Spectral'][11]或自定义渐变更敏感
导出静态图还是嵌入交互式界面
千万级点本身就不适合前端逐点交互，但用户常误以为「导出 PNG 就完事」，结果发现放大后全是马赛克，或无法和其它图层叠加。
推荐组合：
- 纯查看/汇报：用
export_image()导出高 DPI PNG，注意设export_path和fmt='png'，别漏background='black'防白边 - 需缩放/平移：必须走
Holoviews + Datashader，用hv.DynamicMap(..., streams=[PointerX, PointerY])实现服务端重采样，而不是前端 canvas 缩放 - 和 GeoJSON 叠加？先用
geoviews.tile_sources加底图，再用gv.Points(...).opts(plot=dict(width=800, height=600), aggregator=ds.count())，别自己拼Overlay对象
最易被忽略的一点：Datashader 不做坐标投影。如果你的数据是经纬度，但 canvas 按等距直角坐标画，海岸线会拉伸变形——必须提前用 pyproj 转成 Web Mercator（EPSG:3857）再喂给 Canvas。
