Geoview+ Datashader在投影点时速度慢

Question

我用datashader绘制了5.5亿纬度和经度。但是，为了使其有用，我需要使用geoviews覆盖映射块和多边形。问题是geoviews.points()和相关的投影导致了大幅度的减速，这使得holoview + bokeh图的交互性变得多余。

下面有一个可重复的例子，但简而言之，我试图使地理视图实现(3)足够快，以交互的方式工作。

首先设置一些数据

import numpy as np
import pandas as pd
import dask.dataframe as dd
import datashader as ds
import datashader.transfer_functions as tf
import holoviews as hv 
from holoviews.operation.datashader import datashade
import geopandas as gpd
import geoviews as gv

例如，将数据的大小缩小10。

uk_bounding_box = (-14.02,2.09,49.67,61.06)
n = int(550000000 / 10)

# Generate some fake data of the same size
df = dd.from_pandas(
    pd.DataFrame.from_dict({
        'longitude': np.random.normal(
            np.mean(uk_bounding_box[0:2]),
            np.diff(uk_bounding_box[0:2]) / 5, n
        ),
        'latitude': np.random.normal(
            np.mean(uk_bounding_box[2:4]),
            np.diff(uk_bounding_box[2:4]) / 5, n
        )
    }), npartitions=8
)

# Persist data in memory so reading wont slow down datashader
df = df.persist()

(1)数据处理

仅仅使用没有全息视图或geo的数据哈德是非常快的-输出在4秒内呈现，包括聚合，所以如果交互的话，重新呈现将会更快。

# Set some plotting params
bounds = dict(x_range = uk_bounding_box[0:2],
              y_range = uk_bounding_box[2:4])
plot_width = 400
plot_height = 300 

纯数据增强版本的时间：

%%time
cvs = ds.Canvas(plot_width=plot_width, plot_height=plot_height, **bounds)
agg = cvs.points(df, 'longitude', 'latitude', ds.count())

CPU时间:用户968 ms，sys: 29.9 ms，总计: 998 ms，Wall time: 506 ms

tf.shade(agg)

​

​

(2)无datashader投影的holoviews中的geoviews

# Set some params
sizes = dict(width=plot_width, height=plot_height)
opts = dict(bgcolor="black", **sizes)

hv.extension('bokeh')

hv.util.opts('Image Curve RGB Polygons [width=400 height=300 shared_axes=False] {+axiswise} ')

没有任何投影，这可以与使用纯datashader进行比较。

%%time
points = hv.Points(df, ['longitude', 'latitude']).redim.range(
    x=bounds['x_range'], y=bounds['y_range'])

shader = datashade(points, precompute=True ,**sizes).options(**opts)

CPU时间:用户3.32 ms，sys: 131 ms，总计: 3.45 ms墙壁时间: 3.47 ms

shader

​

​

(3) datashader在holoviews中具有geoviews块、多边形和投影

这是问题的症结所在--我想要对齐数据哈德层和一些地图块和地理空间多边形。这导致了一个大的减速，就我所处理的数据的大小而言，这使得交互式可视化变得多余。(渲染的等待时间总计为12分钟)。

我确信这与投影点相关的开销有关--有什么方法可以避免这种情况或任何其他解决办法，比如预计算投影吗？

# Grab an example shape file to work with
ne_path = gpd.datasets.get_path('naturalearth_lowres')
example_shapes_df = gpd.read_file(ne_path)
uk_shape = example_shapes_df[example_shapes_df.name.str.contains('United K')]


# Grab maptiles
map_tiles = gv.tile_sources.ESRI

# In actual workflow I need to add some polygons
polys = gv.Polygons(uk_shape)

这与上面添加的gv.points()和投影一样。

%%time 
points = gv.Points(df, ['longitude', 'latitude']).redim.range(
    x=bounds['x_range'], y=bounds['y_range'])

projected = gv.operation.project_points(points)

shader = datashade(projected, precompute=True ,**sizes).options(**opts)

CPU时间:用户11.8秒，sys: 3.16秒，总计:15s墙壁时间: 12.5秒

shader * map_tiles * polys

​

​

Answer 1

正如@philippjfr所建议的，解决方案是将坐标投影到适当的坐标系中，并使用上面的方法2或3进行渲染。

就像这样：

import cartopy

def platcaree_to_mercator_vectorised(x, y):
    '''Use cartopy to convert Platecarree coords to Mercator.'''
    return(cartopy.crs.GOOGLE_MERCATOR.transform_points(
        cartopy.crs.PlateCarree(), x, y))

def platcaree_for_map_partitions(pddf):
    '''Wrapper to apply mercator conversion and convert back to dataframe for Dask.'''
    as_arrays = platcaree_to_mercator_vectorised(pddf.longitude.values,pddf.latitude.values)
    as_df = pd.DataFrame.from_records(as_arrays[:, :2], columns=['longitude', 'latitude'])
    return(as_df)


# Project the points
df_projected = df.map_partitions(platcaree_for_map_partitions,
                                 meta={'longitude': 'f8', 'latitude': 'f8'})
from dask.diagnostics import ProgressBar
with ProgressBar():
    df_projected.to_parquet('abb_projected.parquet', compression='SNAPPY')

然后将此投影数据集与方法2或方法3一起使用，详细说明。