千万点可视化不可用 matplotlib.pyplot.scatter，因内存线性增长且前端渲染卡死；应选 datashader 光栅化聚合或 plotly.scattergl WebGL 渲染，并务必预处理数据去空值、离群值和裁剪无效区域。
用 matplotlib 直接画千万点基本不可行
默认的 matplotlib.pyplot.scatter 会为每个点生成独立的 PathCollection 对象，内存占用线性增长，1000 万点通常吃掉 4–6 GB 内存，且渲染时浏览器（尤其是 Jupyter Lab/Notebook 的前端）会反复重绘 SVG 或 Canvas，直接卡死或崩溃。
这不是配置问题，是底层设计限制 —— matplotlib 本质面向出版级静态图，不是大数据可视化引擎。
- 别试
plt.scatter(x, y, s=0.1)+plt.savefig()：保存可能成功，但plt.show()或 notebook 中显示仍会卡住 - 禁用交互式后端（如
Agg）只解决保存，不解决“查看”需求 - 用
plt.plot(x, y, '.', markersize=0.1)略快一点，但仍是逐点绘制，无质变
真正能跑通的方案只有两个：降采样 + datashader，或换用 plotly 的 WebGL 模式
datashader 是专为大数据设计的光栅化库，它不画点，而是把坐标映射到像素网格上做聚合（计数、均值、最大值等），输出一张 PNG 或交互式 HTML；plotly 的 scattergl 则利用浏览器 GPU 加速绘制，实测支持 500 万–2000 万点流畅拖拽缩放。
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
-
datashader示例：import datashader as ds<br>import datashader.transfer_functions as tf<br>canvas = ds.Canvas(plot_width=800, plot_height=600)<br>agg = canvas.points(df, 'x', 'y')<br>img = tf.shade(agg)
输出img是 PIL 图像，可直接plt.imshow()或用bokeh展示 -
plotly示例：import plotly.graph_objects as go<br>fig = go.Figure(data=go.Scattergl(x=df['x'], y=df['y'], mode='markers', marker=dict(size=1)))<br>fig.show(renderer='browser')
注意必须用Scattergl（不是Scatter），且renderer设为browser才启用 WebGL - 二者都不加载全部点进前端内存：前者在服务端光栅化，后者由 GPU 批量处理顶点
别忽略数据预处理——千万点往往含大量重复或无效坐标
原始数据常有精度冗余（比如 GPS 经纬度保留 10 位小数）、空值、离群值，这些会严重拖慢聚合或 WebGL 渲染速度，甚至导致 datashader 报 ValueError: x values must be increasing（因 NaN 或 inf 导致排序失败）。
立即学习“Python免费学习笔记（深入）”；
- 务必先运行：
df = df.dropna(subset=['x', 'y'])<br>df = df[np.isfinite(df['x']) & np.isfinite(df['y'])]
- 若坐标范围极大但有效区域集中（如全球 GPS 点中 99% 落在中国），先用布尔索引裁剪：
df = df[(df['x'] > 73) & (df['x'] < 136) & (df['y'] > 18) & (df['y'] < 54)]
- 对浮点列做
round()降精度（如df['x'] = df['x'].round(5)）可减少哈希冲突，提升datashader聚合效率
plotly 的 Scattergl 在某些场景下会悄悄退化回 CPU 渲染
当开启 hover 提示（hovertemplate）、自定义颜色映射（marker.color 传大数组）、或 marker size 动态绑定列（marker.size=df['size']）时，plotly 可能自动切换回 Scatter 模式，此时千万点立刻卡死。
- 验证是否真用 WebGL：打开浏览器开发者工具 → “Rendering” 面板 → 勾选 “FPS Meter”，拖动图表时帧率应稳定在 30–60 FPS；若掉到 1–2 FPS，大概率已退化
- 安全做法：关闭 hover（
hoverinfo='skip'），用固定颜色（marker=dict(color='blue')），size 用标量（marker=dict(size=1)） - 若必须 hover，改用
datashader+holoviews实现稀疏 tooltip，或对原始数据抽样生成 hover 数据集
