Python datashader与其他绘图库之间的差异

我想了解

Datashader

与其他图形库（如

plotly/matplotlib

等）之间的明显区别

我知道，为了绘制数百万/数十亿个数据点，我们需要datashader，因为其他绘图库会挂断浏览器

但是，到底是什么原因使datashader变得更快速，并且不会挂断浏览器，以及如何准确地进行打印，而不会给浏览器带来任何负载

此外，datashader不会在浏览器上加载任何负载，因为在后端，datashader将根据我的数据帧创建一个图形，并仅将图像发送到浏览器，这就是它的速度快的原因

请解释我无法清楚地理解输入和输出。

从

datashader旨在将数据集“光栅化”或“聚合”到可以作为图像查看的规则网格中，从而使查看数据的属性和模式变得简单而快速。Datashader可以在16GB笔记本电脑上每秒绘制10亿个点，并且可以轻松扩展到更大数据集的核心外处理或分布式处理

这些库中没有任何技巧-渲染大量点需要很长时间。datashader所做的是将可视化的负担从渲染转移到计算。在datashader中打印指令之前，有一个很好的理由需要创建画布。datashader管道中的第一步是光栅化数据集，换句话说，它近似每个数据段的位置，然后使用聚合函数确定每个像素的强度或颜色。这使得datashader可以绘制大量的点；甚至比记忆中能保存的点数还要多

---

另一方面，Matplotlib会渲染您指示其绘制的每个点，这使得绘制大型数据集非常耗时甚至不可能。

首先考虑Datashader时，不要将其与Matplotlib或Plotly进行比较，而应将其与

numpy.historogram2d

进行比较。默认情况下，Datashader会将一长串（x，y）点转换为2D直方图，就像histogram2d一样。这样做只需要为每个新点增加一个简单的网格单元，使用Numba很容易将其加速到机器代码速度，而使用Dask并行化则很简单。然后，无论数据集有多大，生成的数组最多是显示屏幕的大小。因此，在一个单独的程序中添加轴、标签等是很便宜的，而且它永远不会使浏览器崩溃

相比之下，像Plotly这样的绘图程序需要将每个数据点转换为JSON或其他序列化表示，在浏览器中将其传递给JavaScript，让JavaScript将形状绘制到图形缓冲区中，并使每个这样的形状支持悬停和其他交互功能。这些交互功能很棒，但这意味着Plotly在每个数据点上所做的工作要比Datashader多得多，并且要求浏览器能够容纳所有这些数据点。Datashader需要对完整数据进行的唯一计算是线性缩放每个点的x和y位置以适应栅格，然后增加栅格值，这比Plotly要容易得多

与Matplotlib的比较稍微复杂一些，因为使用Agg后端，Matplotlib在显示之前也会预渲染到固定大小的图形缓冲区（有点像Datashader）。但是Matplotlib是在Numba和Dask之前编写的（这使得加速变得更加困难），它仍然必须为每个点绘制形状（不仅仅是简单的增量），它不能完全并行化操作（因为后面的点会覆盖Matplotlib中较早的点），它还提供了反走样和Datashader中没有的其他功能。所以Matplotlib比Datashader做了更多的工作

但是，如果您真正想做的是看到数十亿数据点的忠实2D分布，那么Datashader就是一个不错的选择，因为这就是它真正要做的一切。：-）