Plotly散点图数据点超量后标记轮廓线不显示，如何解决？

问题核心是Plotly的性能优化机制：当散点图的数据点数量超过默认阈值（2000个）时，Plotly会自动从SVG渲染模式切换到WebGL（scattergl）模式，而你自定义模板只配置了scatter类型的样式，WebGL模式对应的scattergl并没有继承这些轮廓设置，导致轮廓消失。

解决方案：同时为scatter和scattergl配置模板样式 #

修改你的模板定义，同时添加scattergl的样式配置，确保两种渲染模式下都能应用标记轮廓：

import plotly.express as px
import plotly.io as pio
import plotly.graph_objects as go
import numpy as np
import pandas as pd

MARKERS = ['circle', 'cross', 'x', 'triangle-up', 'star', 'hexagram', 'square', 'diamond', 'hourglass', 'bowtie', 'pentagon', 'triangle-down', 'triangle-left', 'triangle-right', 'star-triangle-up', 'star-triangle-down', 'star-square', 'star-diamond', 'diamond-tall', 'diamond-wide', 'triangle-ne', 'triangle-se', 'triangle-sw', 'triangle-nw',  'hexagon', 'hexagon2', 'octagon']

my_template = pio.templates['plotly']
# 配置scatter的样式
my_template.data.scatter = [
    go.Scatter(
        marker = dict(
            symbol = s, 
            line = dict(width = .5)
        ), 
        error_y = dict(width = 1, thickness = .8)
    ) for s in MARKERS
]
# 新增scattergl的样式配置，和scatter保持一致
my_template.data.scattergl = [
    go.Scattergl(
        marker = dict(
            symbol = s, 
            line = dict(width = .5)
        ), 
        error_y = dict(width = 1, thickness = .8)
    ) for s in MARKERS
]

pio.templates['my_template'] = my_template
pio.templates.default = 'my_template'

N_SAMPLES = 9999 # 现在大数据量也能正常显示轮廓
fig = px.scatter(
    pd.DataFrame({
        'x': np.random.randn(N_SAMPLES),
        'y': np.random.exponential(size=N_SAMPLES),
    }),
    x = "x",  
    y = "y", 
)
fig.show()

其他可选方案 #

1. 强制使用SVG渲染：如果数据量不是极大（比如几万以内），可以强制Plotly用SVG模式渲染，这样模板里的scatter配置会生效，但大数据量下可能出现性能卡顿：

   fig.show(renderer="svg")
   # 或者全局设置默认渲染器
   pio.renderers.default = "svg"
   

2. 直接在绘图时指定渲染模式和样式：跳过模板，直接在px.scatter中明确设置render_mode和标记样式，避免模板适配问题：

   fig = px.scatter(
       pd.DataFrame({...}),
       x="x", y="y",
       render_mode="webgl", # 明确用WebGL模式
       color_discrete_sequence=["#636EFA"],
       marker=dict(line=dict(width=0.5))
   )
   

内容的提问来源于stack exchange，提问作者user171780