Plotly Python 多时间帧多光谱轨迹的滑块高效更新方案咨询

我目前在用Plotly Python处理多时间帧的光谱数据可视化需求。我有一个包含二维数组的列表，每个数组对应一个时间帧，里面存储了若干个光源的光谱数据——数组形状是n*m，其中n是光源数量，m是单条光谱的长度。

这里我用随机数生成了一个模拟数据集，方便复现场景：

# 包含1000个时间帧的列表，每个时间帧对应20条光源光谱
a = [np.random.rand(20, 5120) for i in range(1000)]

目前我只能实现单个时间帧的可视化：给当前时间帧里的每个光源各添加一条轨迹到图中。现在我想做一个交互式滑块，不用每次重新生成绘图窗口、修改帧索引再绘图，就能快速切换不同时间帧查看数据。

我之前在相关讨论里找到一个中间方案，但这类方案本质上是控制轨迹的可见性——也就是先把所有时间帧的所有轨迹一次性全部绘制出来，然后通过滑块切换哪些轨迹显示、哪些隐藏。但我的数据规模实在太大了：1000个时间帧×20条光谱，这种方式性能极差，完全跑不动。

有没有更高效的实现方式呢？

下面是我当前单时间帧可视化的效果，以及用上述可见性切换方案实现的少量时间帧滑块切换效果（但大规模数据下完全不可行）。

你可以用下面的代码复现这个滑块切换的效果（用模拟数据）：

# 包含1000个时间帧的列表，每个时间帧对应20条光源光谱
a = [np.random.rand(20, 5120) for i in range(1000)]

# 创建图形对象
fig = go.Figure()

# 为每个滑块步骤添加所有轨迹
for i in np.arange(len(a)):
    for k in range(0, a[i].shape[0]):
        fig.add_trace(go.Scatter(mode="lines", x=frequencies, y=a[i][k, :], name=f"Source {k}"))

# 创建滑块步骤
steps = []
for i in range(len(a)):
    step = dict(
        method="restyle",
        args=["visible", [False] * a[i].shape[0]*len(a)],
    )
    # 将当前时间帧对应的所有轨迹设为可见
    step["args"][1][(i*a[i].shape[0]):(i*a[i].shape[0]+a[i].shape[0])] = [True]*a[i].shape[0]
    steps.append(step)

sliders = [dict(
    active=1,
    currentvalue={"prefix": "Sequence: "},
    pad={"t": 50},
    steps=steps )]

fig.update_layout(sliders=sliders)

# 修改滑块步骤的标签
for i in range(len(a)):
    fig['layout']['sliders'][0]['steps'][i]['label'] = i

fig.show()

提前感谢各位的帮助！另外如果有其他Python可视化库能实现这个需求，也欢迎推荐~

备注：内容来源于stack exchange，提问作者Antoine101