Python - 使用 Holoviews Bokeh 绘制大型数据集的特定子集

Question

我想要做的是为大型时间序列创建一个带有平移和放大/缩小交互的交互式绘图。

考虑 Jupyter Notebook 中的下一个案例：

import numpy as np

import holoviews as hv
import holoviews.plotting.bokeh
from holoviews.operation import decimate

hv.extension('bokeh')

n_samples = 1_000 #100_000_000

x = np.linspace(0.0,10.0, n_samples)

y = np.zeros((64, n_samples))
r = np.random.rand(n_samples)

for i in range(64):
    y[i] = np.sin(r + np.random.rand(n_samples)*0.3)+i


curves = hv.Curve( (zip(x,y[0,:])) ).opts(height=400, width=800)
for i in range(1,64):
    curves *= hv.Curve( (zip(x,y[i,:])) ) 

curves = curves.options({'Curve': {'color': 'black'}})

curves = decimate(curves).collate()

curves.redim(x=hv.Dimension('x', range=(0, 2)))

使用n_samples=1_000进展顺利，但当前的样本数量约为 10-1 亿点，因此速度非常慢。

我认为这是因为它创建了所有图形元素并将它们存储在内存中。然后，当我使用平移工具更改 x 中的范围时，它必须搜索需要绘制所有元素中的哪些元素，这就是缓慢的部分。

如果是这种情况，解决方案可能是考虑画布的范围，仅从数组中绘制 1k-5k 点的子集。我不需要画布上的所有点，因此可以即时计算它们。

你知道解决这个问题的另一种方法吗？我是使用 Bokeh 和 Holoviews 的新手。

谢谢！

Answer 1

当然。正如 Sander 所建议的，您可以使用 Datashader 在浏览器之外渲染数据，以提高速度和效率。一旦定义了curves，只需执行以下操作：

import holoviews.operation.datashader as hd

hd.rasterize(curves)  # as the last line in your Jupyter notebook cell

你不应该需要消灭。