plotnine geom_density 内存和性能问题

如何解决plotnine geom_density 内存和性能问题

在尝试使用 python 的 plotnine 实现密度图时，我遇到了内存和性能问题。

考虑以下包含 3 个变量和 50,000 个观测值的数据集。这不是一个大型数据集。下面的代码运行了 15 分钟。相比之下，它在 R 中运行时间为 0.22 秒。

使用 n = 100000，我在 plotnine 中得到以下错误：

MemoryError: Unable to allocate 74.5 GiB for an array with shape (100000,100000) and data type float64

同样，R 能够在大约 0.2 秒内执行此操作。

我是否错误地指定了 plotnine 代码，或者这是一个将被修复的已知问题？

情节代码：

import numpy as np
import pandas as pd
from plotnine import *

n = 100000

df = pd.DataFrame({
    'age': np.random.choice(range(20,66),n),'gender': np.random.choice(range(1,3),'variable': np.random.lognormal(0,0.5,})

p = (ggplot(df,aes('variable'))
  + theme_light(7)
  + geom_density(alpha=0.5,size=0.35)
)
p

R 代码：

library(ggplot2)

n = 100000

df = data.frame(
        age = sample(seq(20:66),n,replace=TRUE),gender = sample(1:2,variable = rlnorm(n,meanlog=0,sdlog=0.5)
)

p = ggplot(df,aes(variable)) + 
      theme_light(7) +
      geom_density(alpha=0.5,size=0.35)
p