在 SciChart 中，XyDataSeries 和 UniformXyDataSeries 是两种用于处理数据序列的核心类，主要差异体现在数据存储方式、性能优化及适用场景上。
以下是具体对比：
1. 数据存储与结构差异
**XyDataSeries<TX, TY>** 需要同时存储 X 和 Y 值的完整坐标对。例如，对于每个数据点 (x0, y0)、(x1, y1)，需显式定义 X 和 Y 数组。适用场景：X 轴数据非均匀分布（如散点图、不规则时间戳数据）。**UniformXyDataSeries<TY>** 仅存储 Y 值，X 值根据 startX（起始值）和 step（步长）自动计算生成。例如，给定 startX=0 和 step=1，X 序列为 0,1,2,3...。适用场景：X 轴数据均匀递增（如实时波形、等间隔采样数据）。
2. 性能与内存优化
**内存占用**
UniformXyDataSeries 仅需存储 Y 数组，内存占用比 XyDataSeries 减少约 50%（无需存储 X 数组），尤其适合处理百万级数据点。**数据追加效率**
UniformXyDataSeries 支持通过 Append(values) 或 AppendRange(values) 快速批量追加 Y 值，X 值自动计算，减少 CPU 开销。
3. 使用场景对比
4. 代码示例对比
// 使用 XyDataSeries（非均匀 X 值）
var xySeries = new XyDataSeries<double, double>();
xySeries.Append(1.5, 10); // (x=1.5, y=10)
xySeries.Append(3.0, 20); // (x=3.0, y=20)// 使用 UniformXyDataSeries（均匀 X 值）
var uniformSeries = new UniformXyDataSeries<double>();
uniformSeries.StartX = 0; // 起始 X 值
uniformSeries.Step = 1; // 步长
uniformSeries.Append(10); // (x=0, y=10)
uniformSeries.Append(20); // (x=1, y=20)
5. 注意事项
动态修改步长：UniformXyDataSeries 的 Step 属性可在运行时调整，但需注意重新计算 X 值可能导致性能损耗。
数据覆盖策略：两者均支持循环缓冲区（Capacity 属性），当数据量超过容量时自动丢弃旧数据，适合实时流。
混合使用场景：若数据部分均匀、部分非均匀，可结合两种系列，通过 CompositeSeries 叠加显示。
通过合理选择数据系列类型，可显著提升 SciChart 在大数据量场景下的渲染性能。
