中国游戏事业发展数据产品报告(内含python数据可视化源码)

目录

1. 前言

2. 数据收集

3. 数据分析及其可视化展示

3.1 中国游戏用户规模

3.2 中国游戏市场实际销售收入

3.3 2021年中国游戏市场实际销售收入结构

4. 数据分析结果

5. 数据的潜在应用


1. 前言

本人为大一学生,这是我的期末作业,本人才疏学浅,如果有错误或纰漏还请各位大佬指正,如果这篇报告有帮助到您,那将是我莫大的荣幸。

近几年来,随着国家政策的不断开放和电子设备的迭代更新,我国的游戏事业也如火如荼的发展起来,从早些年的网页游戏到现在的主机游戏、手机游戏和PC游戏等。这种娱乐方式已经走进了大众的日常生活中,尤其是受疫情影响,我国的“宅经济”迅猛发展,引导了游戏这一娱乐消费更进一步的发展,虽只有几年的时间,游戏行业的发展数据却十分显著和优秀。可就在去年突然发布了未成年限制游戏时间的规定,导致游戏行业的人口红利缩减。

究竟游戏行业还能否持续获取高收益,接下来要解决的问题是什么。

对此,我希望通过数据分析,来进一步找到游戏发展的某种规律,并以此为依据,对接下来游戏的发展作进一步的预测或发现其中的潜在价值。

对此我使用了Python,多种搜索引擎,电子文献等工具或信息完成了此篇报告。

(python程序中调用了第三方库 matplotlib)

2. 数据收集

对于数据的收集,我在一些高权威,深影响的网站中找到了我所需要的相关数据:

  1. 产业信息网(最新行业数据_海关数据_统计数据_产业信息网
  2. 哔哩哔哩(哔哩哔哩 (゜-゜)つロ 干杯~-bilibili
  3. CSDN(CSDN - 专业开发者社区
  4. 游侠网(单机游戏_单机游戏下载_单机游戏门户_游侠网
  5. 游戏产业网(游戏产业网-游戏工委官方网站

我根据中国游戏发展的主要年份,筛选出了近五年的数据作为本篇报告的依据。

3. 数据分析及其可视化展示

3.1 中国游戏用户规模

在产业信息网中,提到近五年中国游戏用户增长数据为:

年份

人数(亿)

2017

5.83

2018

6.26

2019

6.41

2020

6.65

2021

6.66

可以计算出2017-2021年间,中国游戏用户增长率大概为1.42%,其中两年间最大增长率为2017-2018年为0.73%,对此我专门去查找了在2018年期间发生的重大事件。其中电子竞技游戏如:英雄联盟,绝地求生,DOTA2等主流游戏,中国都榜上有名,同年还举办了雅加达亚运会,中国取得的成绩也很可观,可以说是中国电竞最光彩的一年,所以可能一定程度上带动了人们玩游戏的积极性。主机游戏方面,战神4和荒野大镖客:救赎2这两个3A大作(即高质量高投入高回报的作品)发售。游戏电影方面,《头号玩家》上映,其中蕴含的理念与当今的“元宇宙”概念不谋而合,自此来看2018年有最大增长率也有一定道理了。

将表格中的数据进行可视化处理后,变成曲线图如下:

 python源代码:

from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei']
import matplotlib.pyplot as plt
year=["2017","2018","2019","2020","2021"]
people=[5.83,6.26,6.41,6.65,6.66]
data=dict(zip(year,people))
fix,ax=plt.subplots()
ax.plot(year,people,linewidth=3)
ax.set_title("2016-2021年中国游戏用户规模统计(亿人)",fontsize=24)
ax.set_xlabel("年份",fontsize=14)
ax.set_ylabel("人数",fontsize=14)
ax.tick_params(axis='both',labelsize=14)
plt.show()

3.2 中国游戏市场实际销售收入

在哔哩哔哩某科普up视频里的中国游戏市场实际收入统计中,游戏市场收入如下:

年份

收入(亿)

2017

2036.07

2018

2144.43

2019

2308.77

2020

2786.87

2021

2965.13

对比2017年,2021年的游戏市场年收入多了929.06亿元,增长率更是达到了惊人的45.63%,其中增长率改变最大的是2019-2020年为20.7%。经过我上网查找相关资料后发现,国产游戏《原神》(米哈游公司旗下的一款游戏)在这一年爆火,它带来的金钱效应是很难想象的,无论是网络流量还是游戏内部充值氪金,都带来了巨大的利润,同时它也是中国出圈最好的游戏之一,在国外也享有很高的评价。同年主流主机厂商们纷纷推出了国行版(即国内代理国内发售)给相关中国公司带来了很多利润,自此不难看出,2020年增长率这么高的原因。

       将表格中的数据进行可视化处理后,如下图:

 python源代码:

from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei']
import numpy as np
import matplotlib.pyplot as plt
C1='#99CCFF'
C2='#CCCCFF'
C3='#6699CC'
year=[2017.2018,2019,2020,2021]
income=[2036.07,2144.43,2308.77,2786.87,2965.13]
rate=[0]
for i in range(1,5):
    rate.append(int((income[i]-income[i-1])/income[i-1]*10000)/100)

    
x=np.arange(5)
total_width,n=0.6,2
width=total_width/n
x=x-(total_width-width)/2
plt.bar(x,income,color='r',width=width,label='income')
plt.xlabel("年份")
plt.ylabel("收入")
plt.title("2017-2021中国游戏市场实际销售收入(亿元)")
plt.legend(loc="best")
plt.xticks([0,1,2,3,4],[2017,2018,2019,2020,2021])
my_y_ticks=np.arange(2000,3000,100)
plt.ylim((2000,3000))
plt.yticks(my_y_ticks)


ax2=plt.twinx()
ax2.plot(x+width,rate,color='b',label='rate')
ax2.set_ylim([0,22])
my_y_ticks=np.arange(0,22,1)
plt.ylim((0,22))
plt.yticks(my_y_ticks)
plt.show()

3.3 2021年中国游戏市场实际销售收入结构

这是我在游侠网上找到的一篇报告,里面具体阐述了2021年,我国游戏市场具体的收入来源于哪。具体数据如下:

游戏类型

实际收入(亿元)

移动游戏

2255.4

客户端游戏

588

网页游戏

60.3

其他游戏

60.1

移动游戏中,有腾讯、网易、米哈游等大厂参与,而客户端游戏主要就是PC游戏了,占比虽然排第二但是跟移动游戏的占比差的远了,更何况其他游戏甚至就只有60亿元,其实我们看这个结构是非常不稳定甚至有些病态的,即使说当今移动游戏是主流,大家随时随地就能玩,但“一家独大”的结果就是结构单一,遇到“问题”时无法靠其他结构调节,简单来说就是,移动游戏虽然能够谋取暴利,但当他遇到某些限制或打击的时候,没有其他的方向进行缓解。不论将来人们游戏重心是否会向游戏的便利性和随时性转移,只全力生产移动游戏是绝对不可取的。

将表格中的数据进行可视化处理后,如下图:

 

from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei']
import matplotlib.pyplot as plt

data={'移动游戏':2255.4,'客户端游戏':588.0,'网页游戏':60.3,'其他':60.1}
game_type=[key for key in data]
game_income=[value for value in data.values()]
plt.figure(figsize=(10,10),dpi=100)
explode=(0.1,0,0,0)
plt.pie(game_income,labels=game_type,autopct="%1.2f%%",colors=['c','m','y','r'],textprops={'fontsize':12},labeldistance=0.9,explode=explode,startangle=90,shadow=True)
plt.legend(loc='upper right',fontsize=12)
plt.title("2021中国游戏市场实际收入结构",fontsize=24)
plt.axis('equal')
plt.show()

4. 数据分析结果

我们可以从上述的几个数据分析映射出将来游戏业的发展

现在做一个总结

  1. 中国游戏用户虽然在不断增多,但随着时间发展到现在,已经开始出现了饱和的趋势,所以游戏厂商接下来要面对的问题很可能是如何保留住现有的用户,并设法引入新的用户(比如老年用户、女性用户和国外用户)。同时也要考虑如何缓解未成年限制带来的影响。
  2. 中国游戏市场虽然随着游戏用户的饱和也出现了减缓的趋势,但并不代表接下来的几年里会出现收入下降或赔本。因为这个问题既要考虑游戏用户收入变化,又要考虑游戏制作成本,利润,购买制度,出圈情况等等。在此不一一列举了,但总归是不会出现倒退的情况的(除非受到外部影响,比如说国家限制或游戏风评)
  3. 移动游戏确实是当今时代最火的游戏方式,随时随地就能玩,平时当作放松活动很合适,但如果只有移动游戏在蓬勃发展就会出现问题了,好的游戏有很多的方面要求,无论是游戏性,画面性,临场性都要让玩家买账才行。移动游戏的设备多少还是会受限制,只专注于此,费尽心思想着怎么让玩家氪金,迟早会被时代淘汰的

5. 数据的潜在应用

以下观点仅代表个人,不适用于所有人

  1. 游戏对于中国厂商来说还是朝阳产业
  2. 如果想未来3-5年实现弯道超车,就要学习米哈游这类厂商,用游戏性和画面性吸引玩家,不能把赚钱当作第一目标,否则最好的情况只能是被收购(因为没有什么核心竞争力),当然如果说有拿的出手的游戏,那就另外说了(参考腾讯)。
  3. 移动游戏在未来的五年内,是发展大趋势,注意这里说的是移动游戏,并不是单纯的指手机游戏,手机性能还是受限,但是游戏掌机就不同了,可以在这方面做考虑。给掌机做自己游戏的优化,或者直接为了掌机做新游戏。
  4. 中国游戏想要发展绝对不能只局限于本国,要向外扩散,《原神》就是个很好的例子,试想,在前些年我们玩的可大部分都是国外的游戏啊,应该让外国见识以下中国人的优秀游戏作品了。
  5. 中国在将来的十年内可能会出现研究国产游戏机的厂商,之前也出现过,但是并没有激起太大的波澜(早些年的盗版主机就请不要再说了),其中的主要原因我想就是归咎于没有自己的游戏,看近几年PS5、Xbox、NS在发售的时候必然会有一定数量的优秀游戏产品,作为护航防止爆冷,所以,当我们有了游戏资本,那我们的游戏机就有了说话的权力。
  6. 对于未成年限制,厂家多少会受到影响,并且这一限制因素不会轻易改变,所以目标群体要找对,同时想办法破圈,实现” 不在游戏中你也能看到我“。
  • 6
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Python是一种非常流行的编程语言,被广泛用于数据科学领域。它提供了许多库和工具,使数据分析和可视化变得更加简单和方便。下面列举几个Python数据分析和可视化实例的源代码: 1. 使用Matplotlib库绘制简单的折线图: ```python import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [2, 4, 6, 8, 10] plt.plot(x, y) plt.xlabel('X-axis') plt.ylabel('Y-axis') plt.title('Simple Line Graph') plt.show() ``` 2. 使用Seaborn库绘制带有标签的散点图: ```python import seaborn as sns import pandas as pd df = pd.read_csv('data.csv', delimiter=',') sns.scatterplot(x='x_axis_data', y='y_axis_data', hue='label_data', data=df) plt.title('Labelled Scatterplot') plt.show() ``` 3. 使用Pandas库绘制柱状图: ```python import pandas as pd import matplotlib.pyplot as plt df = pd.read_csv('data.csv', delimiter=',') df.plot(kind='bar', x='categories', y='values') plt.title('Bar Chart') plt.xlabel('Categories') plt.ylabel('Values') plt.show() ``` 以上三个例子仅是Python数据分析和可视化中的冰山一角,实际上还有很多其他的技术和工具可以应用到数据可视化中。通过这些可视化的方式,能够更直观地展示数据,帮助我们更好地了解和分析数据,为我们制定决策提供更准确的依据。 ### 回答2: Python数据分析可视化是目前常见的数据分析方法之一,通过将数据图表、图形等形式展示出来,可以更加直观地了解数据的特点、趋势和异常情况等。 对于Python数据分析可视化实例可以参考如下代码: 首先导入所需的库 ```python import matplotlib.pyplot as plt import pandas as pd import seaborn as sns ``` 然后读取数据 ```python df = pd.read_csv('data.csv') ``` 接下来通过matplotlib绘制散点图 ```python plt.scatter(df['x'], df['y']) plt.title('Scatter Plot') plt.xlabel('x') plt.ylabel('y') plt.show() ``` 在此基础上进行可视化分析,比如加入颜色和规格化等信息 ```python sns.scatterplot(df['x'], df['y'], hue=df['color'], style=df['symbol'], s=df['size']) plt.title('Scatter Plot') plt.xlabel('x') plt.ylabel('y') plt.show() ``` 使用seaborn实现这样的代码可以更加灵活直观地展示数据分析结果,让人们可以快速将数据分析思路转化为可视化结果。 综上,Python数据分析可视化实例可以通过利用常见的库和工具进行代码实现,这不仅简化了数据分析的流程,也让数据分析结果得到更加直观清晰的展示。 ### 回答3: Python数据分析可视化实例源码是指采用Python语言编写的数据分析程序,并且具有可视化效果。这些源码可以通过开源社区、GitHub等途径获取,也可以在机器学习和数据分析相关的书籍中找到。下面以Python数据分析常用的matplotlib库为例,简单介绍其中的源码: 一、散点图 散点图是一种用于研究两个变量之间关系的图形。在Python中,使用matplotlib库中的scatter函数可以绘制散点图。下面是一个简单的示例代码: import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [5, 4, 3, 2, 1] plt.scatter(x, y) plt.show() 该代码可以生成一张包含5个散点的散点图。 二、折线图 折线图是一种用于表示连续数据的图形,它是一条或多条曲线沿着水平轴绘制,其中横坐标通常表示时间或其他连续变量。在Python中,使用matplotlib库中的plot函数可以绘制折线图。下面是一个简单的示例代码: import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [5, 4, 3, 2, 1] plt.plot(x, y) plt.show() 该代码可以生成一张包含5个点的折线图。 三、直方图 直方图是一种用于表示频率分布的图形,通常用于展示数据的分布情况。在Python中,使用matplotlib库中的hist函数可以绘制直方图。下面是一个简单的示例代码: import matplotlib.pyplot as plt data = [1, 2, 3, 4, 5] plt.hist(data, bins=5) plt.show() 该代码可以生成一张包含5个条状图的直方图,每个条状图表示一个数据区间的数量。 以上三种数据可视化方式只是Python数据分析中的冰山一角,在实际应用中还有很多数据可视化技术,可以灵活运用,以更好地从数据中获取价值信息。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值