Fastplotlib:一个Python快速绘图工具,支持前端PyQt/Side、wxPython,甚至 Jupyter Lab

你有没有过这样的体验：Python打开一个绘图窗口，数据一多就卡成PPT？要么渲染慢，要么交互体验糟。科学可视化这种规模的玩意，数据量激增、实时性又很关键，可不能老靠 CPU 串行画图。于是，GPU 加速图形库横空出世，fastplotlib 就是其中一匹黑马。

痛点在哪儿？

• • CPU 画图：向量图、光栅图，数据量一多，内存／绘制瓶颈马上就能显现。
• • 交互卡顿：拖拽、缩放、实时更新，帧率低，给人“拖拉机”的错觉。
• • 原型迭代慢：科研同学、算法工程师试新思路，光渲染加可视化调优就耗掉半天。
• • 多平台适配：你写了一个 PyQt 演示，换到 Jupyter Lab or GLFW 又得重写窗口管理、事件回调。
• 

fastplotlib 是啥？简单说：一个基于 pygfx + WGPU（Vulkan/DX12/Metal）渲染引擎的 Python 绘图库。它把大部分重活交给 GPU，CPU 只负责数据上传、用户交互。API 设计偏 Pythonic，交互式、声明式都支持，既能做“科研快速原型”，也能做“产品级大屏”。

怎么玩？快速上手

1. 1. 安装：

   pip install -U "fastplotlib[notebook,imgui]"

   或者纯粹最小版：

   pip install fastplotlib

2. 2. 导入＆初始化：

   import fastplotlib as fplapp = fpl.App()# 自动选 GLFW、Qt 或 Jupyter

3. 3. 创建图层、添加数据：

   scatter = fpl.scatter_layer()app.add_layer(scatter)scatter.add(x, y, size=2, color='blue')app.show()

   哎，就几行，立马跑起来。

代码示例：几行搞定超大数据渲染

import numpy as npimport fastplotlib as fpl# 模拟 1000 万点x = np.random.rand(10_000_000)y = np.random.rand(10_000_000)app = fpl.App()scatter = fpl.scatter_layer(marker='.', size=1, cmap='viridis')app.add_layer(scatter)scatter.add(x, y)app.show()# GPU 加速，嗖一下就出来了

使用场景都有哪些？

• • GPU 加速科学可视化：天文、流体力学、分子动力学……
• • 交互式探索：拖拽、缩放、ROI 选择，丝滑体验。
• • 原型和算法调试：想看中间结果？插几行代码就行。
• • 实时采集系统：显微镜、相机、传感器数据实时展示。
• • 机器学习可视化：训练曲线、特征分布、Embedding 动态渲染。

而且支持的前端框架甭管 PyQt、PySide、glfw、wxPython，甚至 Jupyter Lab（jupyter_rfb），一套代码多端跑。

优缺点聊一聊优点：

• • GPU 加速：渲染百万、千万级数据都不卡。
• • 跨平台、多框架：一次编写，随处运行。
• • API 直观：Python 风格，容易上手又可组合扩展。
• • 交互丰富：缩放、悬停、选区，懒人操作体验好。

缺点：

• • 还在 Alpha 阶段：API 有时会变，你得跟着 Roadmap 和 Issue #121 盯着。
• • 依赖 WGPU、pygfx 生态：环境配置、驱动兼容偶有坑。
• • 功能未完善：有的图层、标注、导出功能还在路上。
• 

总结＆展望总的来说，fastplotlib 就像给 Python 科学可视化装了火箭推进器。要是你在做大数据量的可视化探索，想要顺滑交互，想要跨平台部署，不妨试一试。参与贡献、提个 issue、Follow Roadmap，都很热烈欢迎。未来功能更齐全、API 更稳定，期待它走向正式版！

项目地址：https/github.com/fastplotlib/fastplotlib