如何使用Bokeh在Google地图上绘制大规模经纬度点位？

你当前使用的Bokeh直接绘制散点的逻辑，会把全量点位坐标全部序列化后传到前端渲染层，每个点位都是独立的渲染单元，内存、渲染开销随点位数量线性上涨，超过10万点就很容易触发Jupyter内核/浏览器内存溢出冻结，靠调整现有代码参数无法解决这个量级的渲染问题，可行方案如下：

• 方案1：后端栅格化渲染（性能最高，适配千万级以上点位）
  不要把单点传到前端，直接在Python后端把全量点位渲染成和画布尺寸一致的栅格图层，再叠加到Google地图上，渲染开销只和画布分辨率有关，和点位总量无关，1亿级点位也能流畅运行。
  先安装依赖：
  pip install datashader bokeh pandas
  参考实现代码：

import datashader as ds
import pandas as pd
from bokeh.models import GMapOptions
from bokeh.io import show, export_png
from bokeh.plotting import gmap
import bokeh

bokeh_width, bokeh_height = 1200, 900
api_key = "替换为你的Google地图API密钥"

point_df = smr_lat_lon

def plot_mass_points(center_lat, center_lng, zoom=10, map_type='roadmap'):
gmap_options = GMapOptions(lat=center_lat, lng=center_lng, map_type=map_type, zoom=zoom)
p = gmap(api_key, gmap_options, title='大规模点位分布图', width=bokeh_width, height=bokeh_height)

# 后端聚合渲染全量点位
canvas = ds.Canvas(plot_width=bokeh_width, plot_height=bokeh_height)
agg_result = canvas.points(point_df, x='lon', y='lat')
# 生成红色半透明点图层
point_layer = ds.tf.shade(agg_result, cmap=["#ff0000"], alpha=180)
# 将渲染好的栅格图层叠加到地图
p.image_rgba(
    image=[ds.tf.to_rgba(point_layer)],
    x=p.x_range.start, y=p.y_range.start,
    dw=p.x_range.end - p.x_range.start,
    dh=p.y_range.end - p.y_range.start
)

show(p)
export_png(p, filename="mass_point_map.png")
return p

p = plot_mass_points(lat, lon, zoom=10)

如果需要缩放、平移交互，只需要给地图绑定视口变化回调，每次操作后重新渲染对应视口范围的栅格图层即可，响应速度和原生Google地图无明显差异。

- **方案2：视口抽稀加载（需要单点交互场景用）**
如果需要点击查看单点属性、做单点筛选这类交互，不要一次性加载全量点：
1.  用Rtree库给全量点位构建空间索引
2.  初始加载时只查询当前地图视口范围内的点位，按当前缩放等级的像素分辨率做抽稀：同一像素位置存在多个点时仅保留1个，保证前端同时渲染的点量始终在5万阈值以内
3.  绑定地图的平移、缩放事件，视口变化时重新查询、抽稀点位，更新ColumnDataSource的数据源即可

- **方案3：纯静态出图（无交互需求用）**
如果不需要交互操作，仅需要导出带点位的地图图片，完全跳过前端渲染流程：先下载对应范围、缩放等级的Google地图静态底图，再用Matplotlib/Pillow在后端把全量点位直接绘制到底图上导出即可，全程不会触发前端内存溢出。

> 注意：不要尝试直接把900万点位传入ColumnDataSource，仅全量数据的JSON序列化过程就会占用数GB内存，必然触发Jupyter/浏览器冻结，没有参数调优空间。

内容的提问来源于stack exchange，提问作者AM8564