Reflex 开源 XY：基于 Rust 的超快 Python 绘图库，可保持 1 亿点图表交互流畅

Reflex AI 发布了 XY，这是一个采用 Apache-2.0 许可的 Python 图表库，用于交互式 2D 可视化。大多数 Python 图表技术栈会为每一行数据创建一个可绘制对象，因此一旦超过几十万个点，渲染、悬停和缩放性能就会下降。XY 将这部分工作转移到原生 Rust 核心中，向浏览器发送类型化二进制缓冲区而非 JSON，并使用 WebGL2 进行绘制。按照该基准测试的说法，XY 在 10,000 个点时耗时 0.071 秒，在 1 亿个点时耗时 0.081 秒。它以 pip install xy 形式发布，并要求 Python 3.11 或更高版本。

它可以部署吗

XY 目前是 版本 0.0.1 的早期 alpha 阶段。它以 pip install xy 形式发布，并要求 Python 3.11 或更高版本。

这对应着一个清晰的部署适用范围。初创公司和中等规模的数据团队现在就可以将其用于内部分析、notebook 和可共享的产物。受监管的企业应当先进行试点，而不是把它放到面向客户的关键路径上。它最适合那些行数确实是实际瓶颈的场景：量化金融（逐笔数据）、基因组学与生物信息学（曼哈顿图、等位基因频率扫描）、可观测性与遥测、天文学，以及 地理空间分析。下面是一行命令安装它的方法。

pip install xy

解读

表示阶梯如何工作

XY 在 Python 中通过一个 ColumnStore 保留规范的 f64 列，并为每条轨迹选择一种渲染表示。当前默认值在超过 10,000 行时启用 M4 抽稀以处理长有序折线，并在超过 200,000 个点时启用 自动散点密度。密度网格默认采用 512×384 个单元格。文档明确指出，这些是 1.0 之前的策略阈值，而非 API 保证。

由于精确值保留在 Python 中，当活动层级具有精确映射时，悬停、选择和 pick() 仍能解析到原始行。放大到狭窄窗口时，会为经过填充的对齐窗口返回精确的可见点，而附近的平移则从该缓存窗口渲染，无需再次请求。Reflex 在此处谨慎地避免过度宣称：密度是原生分箱并由 GPU 渲染的，而非全 GPU 的摄取流水线，且摄取、分箱和抽稀仍随源行数而扩展。

性能

该基准测试通过真实浏览器驱动每个库，并且只有当画布经过验证正确且在 10 个字节完全相同的帧上保持稳定时才停止计时。测量结果来自一台 Apple M5 Pro，每个单元格运行一次。

也就是说，在 10M 时实现了 34× 的加速，在 50M 时实现了 177× 的加速。10M 时 Python 侧峰值内存，XY 为 0.32 GiB，而 Matplotlib 为 0.84 GiB，Plotly 为 1.86 GiB。借助 density=False，XY 仍能在 5.26 GiB 内存下于 1.343 s 内绘制 100M 个精确标记。Reflex 还报告称渲染了完整的 OpenStreetMap 数据集——100 亿个点。

一个包含 1000 万个点的交互式散点图导出为 258 KiB 的 HTML，而据称 Plotly 的等效实现为 259 MiB。从 100 万行到 1 亿行，载荷始终保持在接近 258 KiB 的水平。

API 接口与集成

图表通过标记、坐标轴、图例、工具提示和注释以声明式方式组合而成。目前提供十四种图表类型，包括散点图、折线图、面积图、直方图、箱线图、小提琴图、ECDF、热力图、六边形分箱图（hexbin）和等高线图。样式可通过稳定的 DOM 插槽接受 CSS 和 Tailwind 类。为便于迁移，import xy.pyplot as plt 可运行常见的 Matplotlib pyplot 代码，不过 兼容性指南 指出并非所有功能都受支持。另有一个 reflex-xy 适配器可将任意图表转换为 Reflex 组件，无需 JavaScript 或 iframe。

核心要点

• XY 通过绘制受屏幕边界约束的表示形式而非逐行标记，在 1 万到 1 亿个点的范围内保持约 0.08 秒的渲染时间。
• Rust 核心加上二进制传输，将 1000 万点的交互式导出缩减至 258 KiB，而 Plotly 为 259 MiB。
• 精确的 f64 列保留在 Python 中，因此悬停、选择和缩放下钻仍能返回原始行。
• 目前可用于 notebook、内部仪表盘和可分享的 HTML；0.0.1 alpha 版本表明其尚不适合关键路径。
• 最适合的是金融、基因组学、遥测和天文学领域，在这些领域中，先采样再绘图是当前的默认做法。

欢迎查看 GitHub 仓库 和 技术细节。另外，欢迎在 Twitter 上关注我们，也别忘了加入我们拥有 15 万+ 成员的 ML SubReddit，并订阅我们的新闻通讯。等等！你在用 Telegram 吗？现在你也可以在 Telegram 上加入我们了。