使用ggplot和pandas在Python中绘制事件密度

Question

我正在尝试可视化此表单的数据：

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

如果我不将geom_density分开，则

senderId有效：

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

结果看起来像预期的那样：

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

> 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（~40K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？这些错误在SO上有一些答案，但似乎都没有。

这是我想要的那种图表（来自ggplot＆＃39; doc）：

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.

这是因为有些senderId只有一行。

使用更大的数据集：

> 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。