python - 使用 ggplot 和 pandas 在 Python 中绘制事件密度

Question

我正在尝试可视化这种形式的数据:

  timestamp               senderId
0     735217  106758968942084595234
1     735217  114647222927547413607
2     735217  106758968942084595234
3     735217  106758968942084595234
4     735217  114647222927547413607
5     etc...

如果我不分隔 senderId，

geom_density 会起作用:

df = pd.read_pickle('data.pkl')
df.columns = ['timestamp', 'senderId']
plot = ggplot(aes(x='timestamp'), data=df) + geom_density()
print plot

结果符合预期:

但是，如果我想单独显示 senderId，as is done in the doc , 它失败了:

> plot = ggplot(aes(x='timestamp', color='senderId'), data=df) + geom_density()
ValueError: `dataset` input should have multiple elements.

尝试使用更大的数据集(约 4 万个事件):

> plot = ggplot(aes(x='timestamp', color='senderId'), data=df) + geom_density()
numpy.linalg.linalg.LinAlgError: singular matrix

有什么想法吗？对于这些错误，SO 上有一些答案，但似乎都不相关。

这是我想要的那种图表(来自 ggplot 的文档):

Answer 1

使用较小的数据集:

> plot = ggplot(aes(x='timestamp', color='senderId'), data=df) + geom_density()
ValueError: `dataset` input should have multiple elements.

这是因为一些 senderId 只有一行。

有了更大的数据集:

> plot = ggplot(aes(x='timestamp', color='senderId'), data=df) + geom_density()
numpy.linalg.linalg.LinAlgError: singular matrix

这是因为对于某些 senderId，我在完全相同的 timestamp 处有多个行。 ggplot 不支持此功能。我可以通过使用更精细的时间戳来解决它。