以一个常见的任务为示例，争取触及到常见的每一个程序瓶颈。

读取皮层 stereo-seq 数据

• 统计不同分区的 mt 表达占比
• 绘制 bin50 级别线粒体基因表达占比热图
• 绘制特定 mask 下的表达

1. 安装 uv
   1. 基于原始源：https://docs.astral.sh/uv/getting-started/installation
   2. 基于 pip（不推荐但是简单）：pip install uv
2. 执行 uv sync

• 处理 gz 文件
• 分割 csv、转换文本到数字
• 多次重复查找特定几个 mt 基因，
• 为大量(>100_0000)数据生成 figure

• 隐式类型转换导致占用空间成倍增加
• 使用过大类型导致占用空间成倍增加
• 不按顺序读取矩阵
• 链式操作中间结果翻倍占用内存
• 只想获取一部分数据的引用，却造成了复制

• 大块数据放在低带宽设备