创建LensPy就是为了解决这个确切的问题。它建立在Plotly Dash之上，允许您绘制非常大的数据集，同时保持流畅的交互性。下面是一个如何使用Mapbox实现这一点的示例。
我有一个包含数百万个纬度/经度点的数据集，我们正在使用plotly-dash和Densitymapbox:以高分辨率绘制这些点
data = pandas.DataFrame()
# ...
go.Densitymapbox(
lat=data['Latitude'],
lon=data['Longitude'],
z=data['Count'],
hoverinfo='skip',
# ...
)
根据Mapbox的说法，他们的库应该支持数百万个点，而不会出现问题，正如他们的演示所示。@https://demos.mapbox.com/100mpoints/
当我尝试这样做时，Mapbox似乎能够处理这些请求。然而，在我使用plotly/dash的实现中，与上面的演示不同，浏览器处于水下。第一次加载运行良好(尽管确实使用了大量内存(，但在重新加载数据时，Chrome崩溃，Firefox向控制台报告内存不足错误，并且不会更新热图。
我使用的数据集是1093737点。做餐巾纸后面的数学运算，这应该只有<2个双精度浮点值和1(64位(整数的25 MB数据(1093737 * (8 + 8 + 8))，发送到浏览器的数据量确实显示了这一点。然而，浏览器进程在内存中膨胀到超过3.5GB，然后在随后的重新加载中，浏览器似乎耗尽了内存。
dash/plotly中是否有任何设施可以防止浏览器关闭？我不需要与密度图的点交互，并且已经设置了hoverinfo='skip'来指示这一点，但当地图缩放发生变化时，我希望保持热图重新计算覆盖的交互性。我正在研究其他替代方案，例如使用datashader光栅化热图服务器端，但这将消除我希望保留的这种交互性。
import pandas as pd
import plotly.express as px
from lenspy import DynamicPlot
df = pd.read_csv(
'https://raw.githubusercontent.com/plotly/datasets/master/earthquakes-23k.csv')
fig = px.density_mapbox(df,
lat='Latitude', lon='Longitude',
z='Magnitude',
radius=10,
center=dict(lat=0, lon=180),
zoom=0,
mapbox_style="stamen-terrain")
plot = DynamicPlot(fig)
plot.show()
免责声明：我是LensPy的创建者。