基于Plotly（及Kaleido）实现静态图片异步导出

完全可以通过异步方式执行批量导出操作，你判断的没错——Mapbox图表导出属于IO密集型任务（涉及地图瓦片的网络请求、本地文件写入），异步模型比线程更适合这类场景，尤其适合大量任务并行处理的需求。

核心实现思路 #

利用Python的asyncio框架管理异步任务，配合Plotly的导出能力实现并行导出：

1. 封装异步导出函数：如果你的Plotly版本支持异步的write_image接口，直接用await调用；如果不支持，用asyncio.to_thread（Python 3.9+）包装同步导出操作，避免阻塞事件循环。
2. 批量任务并行执行：通过asyncio.gather同时启动所有导出任务，实现高效并行。

伪代码示例 #

import asyncio
import plotly.express as px

# 异步导出单张图表
async def export_single_fig(fig, save_path):
    # 若Plotly支持异步write_image，直接await
    await fig.write_image(save_path)
    # 若仅支持同步接口，用to_thread包装（不阻塞事件循环）
    # await asyncio.to_thread(fig.write_image, save_path)

# 批量导出主逻辑
async def batch_export_tasks(fig_path_pairs):
    # 创建所有异步任务
    export_tasks = [export_single_fig(fig, path) for fig, path in fig_path_pairs]
    # 并行执行所有任务
    await asyncio.gather(*export_tasks)

if __name__ == "__main__":
    # 准备待导出的图表与对应保存路径列表
    sample_figs = [
        px.scatter_mapbox(data_frame=df1, lat="lat", lon="lon", mapbox_style="carto-positron"),
        px.scatter_mapbox(data_frame=df2, lat="lat", lon="lon", mapbox_style="carto-positron"),
        # ... 更多Mapbox图表
    ]
    save_paths = [f"images/fig{i}.png" for i in range(len(sample_figs))]
    fig_path_pairs = list(zip(sample_figs, save_paths))

    # 启动异步批量导出
    asyncio.run(batch_export_tasks(fig_path_pairs))

注意事项 #

• Mapbox请求限制：批量导出时要注意Mapbox的API请求频率限制，建议用asyncio.Semaphore控制并发数，或加入短延迟避免触发限流：

  # 示例：限制同时最多5个导出任务
  semaphore = asyncio.Semaphore(5)
  async def export_single_fig(fig, save_path):
      async with semaphore:
          await fig.write_image(save_path)
          await asyncio.sleep(0.2)  # 短延迟降低请求频率
  

• 版本兼容：确认Plotly版本，部分旧版本可能没有异步write_image，此时asyncio.to_thread是最优替代方案，既保留异步优势，又无需手动管理线程池。
• 文件冲突：确保每个图表的保存路径唯一，避免多任务写入同一文件导致的异常。

内容的提问来源于stack exchange，提问作者Hatatister