大数据量下如何提升seaborn.scatterplot散点图的绘制效率？

• 底层渲染逻辑差异：seaborn 基于 matplotlib 实现，matplotlib 默认散点渲染逻辑是为每个点单独处理路径属性，带 hue 分组时会为每个分类单独生成 artist 对象，额外开销很高；而 ggplot2 的 geom_point 底层基于 grid 图形系统，会批量处理同属性的点，同色点批量渲染的效率远高于 matplotlib 默认逻辑。
• 默认功能开销差异：sns.scatterplot() 内置了大量默认预处理逻辑，包括缺失值自动处理、多属性映射校验、图例排序自动计算等，哪怕你仅用到 hue 映射，这些默认开启的步骤也会产生额外开销；而 geom_point 的默认逻辑更轻，仅处理用户显式指定的映射参数。
• 图例生成逻辑差异：seaborn 生成带分类 hue 的图例时，会为每个分类单独生成示例点并做样式校验，分类数量多的时候这部分开销占比很高，ggplot2 的图例是批量生成的，开销更低。

• 优先用 matplotlib 原生 scatter 方法替代 sns.scatterplot：如果仅需要基础的x/y/颜色映射，直接用 matplotlib 原生API性能提升最明显，速度基本可以和 ggplot2 的 geom_point 持平甚至更快，示例代码如下：

import matplotlib.pyplot as plt
import pandas as pd

sample_data = data.sample(10000)
# 先把分类列转成数值编码，批量传入颜色参数
cate_codes, cate_uniques = pd.factorize(sample_data['cate'])
ax = plt.scatter(data=sample_data, x="x", y="y", c=cate_codes, cmap='tab10')
# 手动生成图例即可
plt.legend(handles=ax.legend_elements()[0], labels=cate_uniques)

• 关闭 sns.scatterplot 不必要的默认功能：如果必须使用 seaborn API，可以显式关闭不需要的默认参数，比如不需要图例就传 legend=False，提前传入 hue_order 避免 seaborn 自动计算分类排序，示例：

ax = sns.scatterplot(
    data=sample_data, x="x", y="y", 
    hue="cate", hue_order=sample_data['cate'].unique(), 
    legend=False
)

• 切换更快的 matplotlib 渲染后端：非交互式绘图场景下把后端切换为 Agg，交互式场景切换为 QtAgg，可以大幅降低渲染开销，设置方法：

import matplotlib
matplotlib.use('Agg') # 需放在导入pyplot之前执行

• 开启渲染优化配置：导出矢量图时开启路径合并选项，降低渲染和导出开销：

plt.rcParams['path.simplify'] = True
plt.rcParams['path.simplify_threshold'] = 0.1

• 超大数据量提前降采样：如果绘制数据量超过10万点，不管用哪种库渲染都会变慢，提前对重叠点做降采样处理再绘制，性能提升更明显。

内容的提问来源于stack exchange，提问作者C.K.