Python | 英雄联盟游戏数据分析

一、项目背景

EDG夺得2021英雄联盟全球总决赛冠军，这场比赛让所有观赛者热血沸腾，也唤起了我这个沉睡多年老玩家对MOBA游戏的兴趣，兴冲冲地下载了英雄联盟，却发现这并不是一个可以轻松上手的游戏。
对于时下最流行的MOBA类游戏——英雄联盟，作为一个新手可以从哪些方面切入，通过数据分析了解游戏机制并快速上手，降低新人过渡期的难度，是该项目的中心主题。

二、数据预处理

1.数据来源

数据源：League of Legends Ranked Matches

2.理解数据

数据集包含英雄联盟的18万场对局数据，数据表包括：
champs.csv ：包含英雄名称和英雄id
matches.csv : 包含比赛信息
participants ： 每场比赛的玩家信息
stats1.csv & stats2.csv ： 对战数据
teambans : 队伍ban选数据
teamstats ： 队伍总数据

3.数据清洗

1.导入数据
导入所有数据表

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

champs=pd.read_csv("champs.csv")
matches=pd.read_csv("matches.csv")
participants=pd.read_csv("participants.csv")
stats1=pd.read_csv("stats1.csv")
stats2=pd.read_csv("stats2.csv")
teambans=pd.read_csv("teambans.csv")
teamstats=pd.read_csv("teamstats.csv")

展示champs表：

champs.head()

展示matches表：

matches.head()

展示participants表：

participants.head()

展示stats1& stats2表，由于列数过多，仅能展示部分：

stats1_shape = stats1.shape
print(stats1_shape)
#(999999, 56)

展示teambans表：

teambans.head()

展示teamstats表：

teamstats.head()

2.查找缺失值
计算各表缺失值总和，若缺失值过多再逐列处理

champs_null = sum(champs.isnull().sum())
print(champs_null)
#0

各表缺失值均为0，说明数据集完整

3.合并数据表

stats = stats1.append(stats2)
df = pd.merge(participants, stats, how= 'left', on= ['id'])
df = pd.merge(df, champs, how= 'left', left_on= 'championid', right_on= 'id')
df = pd.merge(df, matches, how= 'left', left_on= 'matchid', right_on= 'id')
df.columns
#Index(['id_x', 'matchid', 'player', 'championid', 'ss1', 'ss2', 'role',
#       'position'