2020赛季-王者荣耀英雄分析

2020-王者荣耀英雄分析

前言：

作者本是想写最近参加的第三届泰迪杯分析题目，可惜因第三届泰迪杯分析比赛涉及敏感话题，因此博客无法发出，不过如有码友有需求的话，可以私聊本人。此题是本人无聊下练习的一个数据分析题目，各位码友有兴趣的可以看一下。

数据下载地址：
https://datamore.qq.com/project/wzmatch/dist/index.html#/
此次训练是王者荣耀英雄数据

先让我们看一下数据表：

此次的任务是给各英雄建立画像（简单来说就是为英雄贴上各自的标签）

任务1：数据处理

数据分析离不开数据的预处理环节，因此数据分析前都得做数据预处理

首先我们得查看数据各列是什么格式的，是否有空值，重复值
实现代码：

import pandas as pd
data=pd.read_excel(r"D:\大数据学习\数据分析与挖掘\20年王者数据\原数据表\英雄数据.xls")#读取数据
data.dtypes#检测数据中各列表是何种类型
data.isnull().sum()#查看数据表是否有空值
data.duplicated().any()#查看数据表是否有重复值

因为此数据是官方出的数据，因此数据是无空值无重复值的
数据列表类型：

此次我提取出除出场率为0的英雄，因为本人认为出场率为0的英雄为无信息系列。
因此数据为：

任务2：数据可视化与分析

一般在数据分析中是数据可视化后再数据分析，但是在此因是训练，因此二者结合在一起。

我们的任务是给各英雄贴上标签，那先明白何为标签：
举个通俗的例子，我们买水果时，不同的水果就会有不同的标签，例如：甜的，酸的，贵的、便宜的等，这些就是水果的标签。在此次任务中，我们是为英雄贴上标签，因此要结合英雄的不同数据进行分析，最终得出应该贴何种标签。
在进行分析前，表中的部分列表应该先了解清楚它的意思

列表解释：Pick场数：被选择的场数；GPM：每分钟金币收入；XPM：每分钟经验收入；被Ban场数：被禁止场数

2.1选择要处理的列

首先我们先做出有关GPM与XPM的英雄标签，因为这个在王者荣耀中属于定位关系
因此我们需要提取出列：“英雄”，“GPM”，“XPM”
实现代码：

data_GX=data1[['英雄','GPM','XPM']]
data_GX

结果：

2.2数据可视化

提取出数据后，就要对数据进行可视化，观察其规律与关系
实现代码：

import matplotlib.pyplot as plt
import seaborn as sns
X=data_GX[['GPM','XPM']]#先得出GPM与XPM的数据，对该数据进行可视化
sns.lmplot(x='GPM',y='XPM',data=X,fit_reg=False,scatter_kws={
   'alpha':0.8},legend_out=False)#制作散点图，观察其关系与规律
plt.show()

结果：

观察此图，我们很难发现出其规律所在，因此我们需要对数据进行聚类算法计算，在此我使用的是KMeans聚类算法，有兴趣的可以了解一下KMeans聚类算法。

2.3聚类算法

KMeans聚类算法是需要指定需要多少类，因此我们需要知道应该聚几类最为合适。
可使用KMeans中的拐点法与轮廓系数法算出应聚几类最为合适。
拐点法实现代码：

from sklearn.cluster import KMeans
from sklearn import metrics
from sklearn import preprocessing
import numpy as np
def k_SSE(X, clusters):
    K = range(1,clusters