1. 问题现象与诊断
当使用bokeh.plotting.figure.scatter()方法可视化高密度数据集时，经常会出现数据点重叠(overplotting)现象。典型症状包括：
- 图形区域出现不可辨别的墨渍状区块
- 颜色混合导致分类信息丢失
- 鼠标悬停工具提示无法准确触发
通过Jitter技术测试可确认问题：对x/y坐标添加微小随机扰动后，若散点分布明显扩散，则证明存在重叠。
2. 核心解决方案
2.1 透明度调节(Alpha Blending)
from bokeh.plotting import figure
p = figure()
p.scatter(x, y, size=8, alpha=0.3) # 关键参数
通过alpha参数实现颜色叠加效应，密度越高区域颜色越深。建议值：
| 数据量级 | Alpha推荐值 |
|---|---|
| 10^3 | 0.8-1.0 |
| 10^4 | 0.3-0.5 |
| 10^5+ | 0.05-0.1 |
2.2 六边形分箱(Hexbin)
使用hexbin()替代scatter：
from bokeh.transform import hexbin
p.hex_tile(q="x", r="y", size=0.1,
orientation="flat-top",
fill_color=linear_cmap('counts', 'Viridis256', 0, max(counts)))
这种方法通过空间聚合将邻近点合并为六边形单元，特别适合地理坐标数据。
2.3 动态采样策略
实现LOD(Level of Detail)渲染：
- 全量数据时使用
Datashader预处理 - 缩放时触发
CDSView动态过滤 - 添加
RangeTool辅助导航
3. 高级优化技巧
3.1 WebGL加速
启用GPU渲染可提升10倍性能：
p = figure(output_backend="webgl")
需注意：
- 仅支持基础几何图形
- 部分视觉特效不可用
3.2 自定义标记形状
通过marker参数差异化显示：
markers = ["circle", "square", "diamond"] * 100
p.scatter(x, y, marker=markers)
4. 性能基准测试
使用timeit模块对比不同方案：
| 方法 | 100K点耗时(ms) |
|---|---|
| 原始scatter | 1200 |
| WebGL | 85 |
| Datashader | 45 |