XY – 快速、可组合、GPU 加速的 Python 图表库 (alpha)

XY – 快速、可组合、GPU 加速的 Python 图表库 (alpha)

XY 概览

XY 是一个处于 alpha 阶段、经过 GPU 加速的 Python 图表库，适用于 Web、Notebook 和静态导出。它支持声明式或 matplotlib 风格的图表组合，并允许使用 Python、CSS 或 Tailwind 进行完全自定义。小型图表会将每个点发送到浏览器；大型图表则使用 Rust 核心，根据屏幕分辨率仅计算需要显示的内容，且平移、缩放、悬停和选择操作可以返回精确的原始行。该库已成功渲染了整个 OpenStreetMap——这是一个包含 10,000,000,000 个点的数据集。

安装与基本用法

使用 pip install xy 或 uv add xy 安装 XY。图表由容器（container）和标记（marks）构建；任何序列均可使用，NumPy 是可选的。例如：

import xy
chart = xy.line_chart(xy.line([1, 2, 3, 4, 5], [120, 180, 165, 240, 310]))
chart  # 在 notebooks 中渲染

相同的 API 可扩展至大数据集；使用 NumPy 数组和 density=True 标志可以创建包含 1 亿个点的散点图。

性能特征

基准测试结果显示，XY 的渲染时间在四个数量级内保持平稳：1 万个点时为 0.071 秒，1 亿个点时为 0.081 秒。这种平稳性是因为当行数超过 20 万行时，XY 会绘制一个受屏幕限制的密度表面，而不是为每行绘制一个标记，而缩放操作可以钻取回精确的行。精确标记路径 (density=False) 随规模线性增长，在 1 亿个点时达到 1.34 秒。相比之下，Matplotlib 和 Plotly 的耗时增长剧烈，Matplotlib 在约 300 万个点时超过 1 秒，Plotly 在约 250 万个点时超过 2.5 秒。

内存占用

XY 在 Python 端的常驻内存增长适中：1 万个点时为 0.05 GiB，250 万个点时为 0.13 GiB，1 亿个点时为 2.58 GiB。精确标记基准 (density=False) 使用的内存大约是两倍（1 亿个点时为 5.26 GiB）。Matplotlib 和 Plotly 在同等规模下消耗更多内存，在 5000 万个点时分别达到 3.85 GiB 和无法测量的数值。

XY 的内部工作原理

XY 在 ColumnStore 中保存标准的 f64 数据。原生的 Rust 计算步骤会根据可见视口生成直接表示、抽样表示或密度表示。发送到浏览器的负载是紧凑的 JSON 规范加上类型化二进制缓冲区。浏览器渲染 WebGL2 标记、Canvas 坐标轴和 DOM 接口。由于原始 f64 列保留在 Python 中，悬停和选择交互可以返回原始行。

与 Reflex 的集成

reflex-xy 适配器可以将任何 XY 图表转换为常规的 Reflex 组件，无需 JavaScript、iframe 或单独的图表服务。使用 pip install reflex-xy 或 uv add reflex-xy 进行安装。在 rxconfig.py 中注册一次适配器：

import reflex as rx
import reflex_xy
config = rx.Config(app_name="dashboard", plugins=[reflex_xy.XYPlugin()])

然后嵌入图表：

import reflex as rx
import reflex_xy
import xy
signups = xy.line_chart(xy.line([1, 2, 3, 4, 5], [120, 180, 165, 240, 310]), title="Weekly signups")
def index() -> rx.Component:
    return rx.card(rx.heading("Growth"), reflex_xy.chart(signups, height="320px", width="100%"))

悬停、平移和缩放功能依然有效；根据集成指南，支持由 Reflex 状态、事件或实时流驱动的图表。

实际案例

该仓库提供了从公共来源获取数据并可视化多样化数据集的 notebooks：

  • Gaia DR3 HR 图 (250k 颗恒星)
  • gnomAD v4.1 等位基因频率 (164k 变异)
  • Pan-UKBB Manhattan 图 (814k 变异)
  • Dukascopy EUR/USD ticks (101k ticks)
  • LIGO GW150914 strain (16,777,216 个原始样本，显示 3,441 个)
  • NYC TLC 出租车接送密度 (300k 条记录)
  • 本地 OpenStreetMap 示例 (10,000,000,000 个节点) 每个 notebook 都可以进一步扩展，并包含来源说明和工作负载控制。

路线图与未来工作

计划中的功能（不按先后顺序）包括：

  • 分类分布：strip, swarm, beeswarm, boxen, rug
  • 回归诊断：trendline, residual, QQ, PP
  • 散点矩阵和联合图：SPLOM, pair grid, marginal histograms
  • 饼图 / 环形图（从 xy.pyplot 提升)
  • K 线图 / OHLC 及金融叠加层：SMA, VWAP, Bollinger, RSI, MACD
  • 瀑布图和漏斗图
  • 矩形树图、旭日图和冰柱图
  • 雷达图 / 极坐标图和仪表盘（需要极坐标轴）
  • 斜率图、凸起图和哑铃图
  • 3D 和体积：散点、曲面、网格、等值面、体绘制 完整的排序待办事项请见图表路线图。

社区反应 (Hacker News)

评论者强调了 Rust/Tailwind 的结合以及对该项目的热情：

  • "太棒了，我最喜欢的两样东西（Rust 和 Tailwind CSS）结合在了一起。" — @farhan99

  • "已经在 matplotlib 上困了几个世纪，学术界非常需要这样的变革" — @NickyHeC

  • "这太棒了，可以预见它会成为标准库。迫不及待想看到 3D 和体积可视化功能。" — @HoneySpoons 一些人对典型仪表盘进行 GPU 加速的必要性提出了质疑：

  • "我不认为 GPU 加速对大多数图表用例来说是一个有意义的优势。大多数仪表盘渲染的数据量不足以让它发挥作用。一旦图表密集到渲染成为瓶颈，它通常已经拥挤到失去意义了。缩放可以证明支持更大数据集的合理性，但采样/视口剔除和细节层次通常可以避免绘制不必要的点..." — @kasts 其他人询问缺失的功能或对比：

  • "不支持原生 GUI 吗？" — @cozzyd

  • "很有趣；这些示例与 datashader 相比如何？" — @ahns

  • "这与 evilcharts 相比如何？我的主要用例是将数据映射到前端，市面上有很多优秀的库" — @kl01 少数人注意到了该库在脱离内存渲染（out-of-core rendering）方面的潜力：

  • "使用 XY 可以实现脱离内存渲染数据，使其能够以亚秒级的平移/缩放渲染整个 OpenStreetMaps（那是 10,742,674,832 个节点！）。在线托管有点困难，但你可以在本地尝试一下" — @adhami

Sources