交互式多筛选Dash Plotly GIS地图图表无法正常渲染问题求助

问题修复方案 #

核心问题根因 #

1. 级联筛选逻辑限制全量查询：当前筛选为链式触发逻辑，County选项为空时直接抛出PreventUpdate终止后续回调，无法触发全量数据加载
2. 多条件过滤逻辑错误：所有筛选条件直接用&拼接，只要任意筛选器值为空，isin([])会返回全False，导致过滤结果为空
3. 主动截断数据：绘图代码中调用了.head(50)，即使有全量匹配数据也只会展示前50条
4. 不必要的磁盘IO操作：回调中重复对全量数据做pickle读写，68万行数据的磁盘IO开销极大，极易触发Colab资源限制或请求超时
5. 可选匹配问题：未校验geo_school中properties.DistrictName与数据集内DistrictName的一致性，存在字符格式不匹配导致区域无法渲染的可能

修复代码要点 #

1. 修改级联回调的空值逻辑

所有级联回调去掉空值抛异常的逻辑，空值时返回全量可选值，示例如下：

@app.callback(
  dash.dependencies.Output("dname", "options"), 
  dash.dependencies.Input("county", "value")
)
def choose_county(county_pick): 
  if len(county_pick) > 0: 
      dff=gdf_final_serial[gdf_final_serial.CountyName.isin(county_pick)]
  else: 
      dff = gdf_final_serial # 空选County时返回全部行政区选项
  return [{"label": i, "value": i} for i in (dff.DistrictName.unique())]

其余级联回调（年龄、RE、分位数、住房筛选）均按相同逻辑修改即可。

2. 重构过滤逻辑

修改update_fig内的过滤规则，空选的筛选条件不参与过滤：

@app.callback(
  dash.dependencies.Output("my_map", "figure"),
  [dash.dependencies.Input("housing", "value"), 
  dash.dependencies.Input("quartiles", "value"), 
  dash.dependencies.Input("re", "value"),
  dash.dependencies.Input("age", "value"),
  dash.dependencies.Input("dname", "value"),
  dash.dependencies.Input("county", "value")]
)
def update_fig(selected_housing, selected_quartiles, selected_re, selected_age, selected_dname, selected_county):
  # 先复制全量数据
  gdff_1 = gdf_final_serial.copy()
  # 仅非空的筛选条件参与过滤
  if selected_county:
    gdff_1 = gdff_1[gdff_1.CountyName.isin(selected_county)]
  if selected_dname:
    gdff_1 = gdff_1[gdff_1.DistrictName.isin(selected_dname)]
  if selected_age:
    gdff_1 = gdff_1[gdff_1.Age.isin(selected_age)]
  if selected_re:
    gdff_1 = gdff_1[gdff_1.RE.isin(selected_re)]
  if selected_quartiles:
    gdff_1 = gdff_1[gdff_1.QUARTILES.isin(selected_quartiles)]
  if selected_housing:
    gdff_1 = gdff_1[gdff_1.HOUSING_INSECURE.isin(selected_housing)]
  
  count_points = gdff_1.groupby("OBJECTID").size().rename("points")
  gdf_last = gdff_1.merge(count_points, on="OBJECTID", how="right", right_index = True)
  # 删掉原代码中不必要的pickle读写操作和.head(50)数据截断逻辑
  px.set_mapbox_access_token(mapbox_access_token)
  fig = px.choropleth_mapbox(data_frame= gdf_last,
                             geojson= geo_school,
                             locations= 'DistrictName',
                             featureidkey = 'properties.DistrictName',
                             color="points",
                             center={"lat": 38.5941, "lon": -119.8815}, 
                             mapbox_style = 'dark').update_layout(mapbox_accesstoken =  mapbox_access_token)
  return fig

大数据量优化建议 #

68万行数据无需引入Rapids，可通过以下方式优化性能：

• 提前预聚合：你最终需要的是按OBJECTID分组的统计值，可提前将不同筛选维度的聚合结果计算好存储，避免每次回调全量遍历数据
• 简化GeoJSON：删除geo_school中不需要的属性字段，压缩文件体积，加快地图渲染速度
• 关闭调试模式：启动应用时将debug=True改为debug=False，减少不必要的日志开销，降低Colab资源占用

内容的提问来源于stack exchange，提问作者denpxc