collections.sort 是降序还是升序_女朋友还是游戏？一起来用Python分析下游戏的开发与销售情况

​

1、前言

你问我游戏重要还是女朋友重要？你是不是傻？游戏没了可以再下！要是女朋友没了……

就没人会打扰你玩游戏了，哈哈哈哈哈哈哈哈哈哈！

大部分男生都喜欢游戏，但对游戏的了解却不是很多，让我们来分析一下“男生的女朋友——游戏”。

数据中含有1980-2017年近40年各出版商发行的游戏，在这份数据的基础上分析一下哪些游戏平台和游戏出版商实力更强？什么游戏类型是更受人们喜爱的？在不同地区游戏的销售概况是如何的？简简单单几个步骤就足以得到答案：

附上数据链接：

https://www.kaggle.com/gregorut/videogamesales

注意：本文在交互模式jupyter中完成！

2、导入必须的库

在对相关数据进行分析之前，先导入必要的库：

import pandas as pdimport matplotlib.pyplot as pltimport numpy as np#为了中文能正常显示from matplotlib import font_manager#让图片显示在交互页面%matplotlib inline

3、代码正文

从csv文件中导入数据

pandas是作为Python进行数据分析的工具库，含有大量简单便捷的方法，在进行数据处理是实用性极强。其中read_csv方法能够从csv文件中读取数据并保存至DataFrame对象中，方法如下

#读取csv文件df = pd.read_csv('vgsales.csv') #显示文件前5行df.head()

结果如下：

数据清洗与整理

有爬虫经验的小伙伴应该清楚，在爬取大量数据时，难免会有数据的缺失或者数据错误的情况出现，所以导入数据后最关键的一步就是观察数据是否有上述情况出现，清洗与整理后的数据分析出的结果更加准确。

常见的数据清洗方法有：填充缺失或错误数据或删去含有缺失或错误数据的一行。本文采用后者，方法如下：

#检查是否有缺失值，True表示含有缺失数据df.isnull().any()

#删去缺失值df = df.dropna()df.info()

数据分析

第一个实例对游戏平台进行分析，因为数据比较庞大，所以我们只分析载有游戏多于100的游戏平台。

首先根据DataFrame索引出游戏平台(Platform)这一列数据，然后使用value_counts()方法对游戏平台载有的游戏统计，最后截取出我们需要的数据。

#取载有游戏多于100的游戏平台pf = df['Platform'].value_counts().sort_values()#sort_values()为排列操作pf = pf[pf>100]pf

#游戏平台名称形成列表作为Y轴数据pf_name = pf.index.tolist()#载有游戏个数形成列表作为X轴数据pf_number = pf.values.tolist()#建立画布fig,ax = plt.subplots(figsize = (16,10),dpi = 80)#y轴范围length = np.arange(len(pf_name))#绘制条形图ax.barh(length,pf_number,tick_label = pf_name)#设置标题和标签ax.set_title("The top 20 of Platform",fontsize = 18)ax.set_xlabel("Number",fontsize = 16)#添加数据标签for a,b in zip(length,pf_number):ax.text(b+40,a-0.15,b,ha = "center",fontsize = 12)plt.savefig('E:/jupyter/result/Game_sale1.jpg')plt.show(

结果如下图：

那如果我们想知道各个地区游戏的销售情况，该怎么办呢？

#查看年份是否有不适合的值df['Year'].value_counts().sort_index()

得到了如下销售情况：

在看到年份的索引时，奇怪的出现了还未到的2020年，说明是数据错误，就需要对这一行数据进行清洗。方法如下：

df = df[~df["Year"].isin([2020.0])] #~表示取反df['Year'].value_counts().sort_index()

敲黑板！这里我们要获取每一年的各个地区所有游戏销售额总值，我们就要用到cumsum这个方法——cumsum方法通俗说是一个累加和，注意红框里的数据，这里是依据年份将每部游戏的销售额相加

#cumsum函数是累加和，即按照Year这一列，将相同年份的销售额相加df['sum_sales'] = df['Global_Sales'].groupby(df['Year']).cumsum()df['NA_sum_sales'] = df['NA_Sales'].groupby(df['Year']).cumsum()df['EU_sum_sales'] = df['EU_Sales'].groupby(df['Year']).cumsum()df['JP_sum_sales'] = df['JP_Sales'].groupby(df['Year']).cumsum()df['Other_sum_sales'] = df['Other_Sales'].groupby(df['Year']).cumsum()df.head(10)

得到如下结果：

用小脑瓜想一想，需要的数据是一年的总销售额，所以只需要保留每一年最后一行的销售额，这里可以用drop_duplicates去重，并keep参数保留最后一行即可。

#去重——得到每年各个游戏的销售值sale_df = df.drop_duplicates(subset=['Year'],keep='last')sale_df.head()#强制转换类型sale_df['Year'] = sale_df['Year'].astype(int)sale_df.head()#按照年份序列排序-升序(ascending调节升序或降序)sale_df = sale_df.sort_values(by="Year" , ascending=True)sale_df.head()

为了方便看到销售额变化趋势，我们绘出其变化曲线图如下：

#绘制条形图my_font = font_manager.FontProperties(fname=r"c:windowsfontssimsun.ttc")#准备数据y_1 = sale_df['sum_sales'].values.tolist()y_2 = sale_df['NA_sum_sales'].values.tolist()y_3 = sale_df['EU_sum_sales'].values.tolist()y_4 = sale_df['JP_sum_sales'].values.tolist()y_5 = sale_df['Other_sum_sales'].values.tolist()x_1 = sale_df['Year'].values.tolist()#x轴范围x = range(len(x_1))#建立画布plt.figure(figsize=(20,10),dpi=80)#绘制折线图，label为lengend的标签plt.plot(x,y_1,label = '全球')plt.plot(x,y_2,label = '北美')plt.plot(x,y_3,label = '欧洲')plt.plot(x,y_4,label = '日本')plt.plot(x,y_5,label = '其他')#调整x轴刻度_xtick_labels = ['{}年'.format(i) for i in x_1]plt.xticks(list(x)[::3],_xtick_labels[::3],fontproperties = my_font,fontsize = 16)#填写x，y轴标签plt.xlabel('年份',fontproperties = my_font,fontsize = 16)plt.ylabel('销售额',fontproperties = my_font,fontsize = 16)plt.title('销售额的变化曲线',fontproperties = my_font,fontsize = 18)#栅栏plt.grid(alpha=0.5)plt.legend(prop = my_font,loc = 'upper left')plt.savefig('E:/jupyter/result/Game_sale2.jpg')plt.show()

得到销售额的变化曲线：

接下来我们来了解一下世界前十的游戏出版商。方法类似于第一个实例，请看注释:

#获取出版商前十pb = df['Publisher'].value_counts().sort_values(ascending=False).head(10)#ascending可调整降序或升序#设置画布的尺寸plt.figure(figsize=(8,8))#将出版商的名字作为对应数据的标签labels = pb.index#准备数据x = pb.values#绘制空心饼图x1 = [1,0,0,0,0,0,0,0,0,0]#用于空心plt.pie(x , radius=1.0,pctdistance = 0.75,labels=labels,autopct='%1.1f%%')plt.pie(x1, radius=0.5,colors = 'w')plt.title('Top 10 of Publisher',fontsize = 16)plt.savefig('E:/jupyter/result/Game_sale3.jpg')plt.show()

世界前十游戏出版商如下：

萝卜青菜各有所爱，每个人喜欢的都不一样，游戏也是如此，那么什么游戏类型最受大众喜爱呢？我们需要一个只包含游戏类型和销售额的DataFrame对象，先用sum()方法统计，后用loc索引即可。方法如下

#按照游戏类型将每一处的销售额相加Group =  df.groupby(['Genre']).sum().loc[:,'NA_Sales':'Other_Sales']Group

得到如下喜好结果：

直观显示，绘制出不同游戏类型的销售额图，看看小伙伴们喜欢什么类型的游戏！

#显示中文my_font = font_manager.FontProperties(fname=r"c:windowsfontssimsun.ttc")#建立画布plt.figure(figsize=(8, 12))#x轴标签xlabel = ['NA_Sales','EU_Sales','JP_Sales','Other_Sales']#y轴范围与标签y = range(len(Group.index))ylabel = Group.index#绘制热力图plt.imshow(Group, interpolation='nearest', cmap=plt.cm.pink,aspect='auto')#cmap为热力图颜色变化#调整x，y轴刻度plt.xticks(list(range(4))[::1],xlabel[::1],fontproperties = my_font,fontsize = 12)plt.yticks(list(y)[::1],ylabel[::1],fontproperties = my_font,fontsize = 12)#设置x，y轴标签plt.xlabel('销售额',fontproperties = my_font,fontsize = 14)plt.ylabel('游戏类型',fontproperties = my_font,fontsize = 14)plt.colorbar(shrink=0.8)#改变Bar的长度plt.title('The Heat Map of Sales',fontproperties = my_font,fontsize = 16)plt.savefig('E:/jupyter/result/Game_sale4.jpg')plt.show()

得到的销售额情况如下，左边坐标表示不同游戏类型，色度情况表示销售量，颜色越浅表示销量越高！

4、分析总结

通过以上数据分析及可视化，我们终于得到了一些因吹斯汀的信息，一起来看看吧！

• DS和PS远超其他平台位列前端
• 北美和欧洲是游戏的主要市场，销售额碾压其他地区
• 《FIFA》《极品飞车》的出版商Electronic Arts(EA)一枝独秀
• 动作、运动、射击游戏深受大众喜爱，销售额远超其他类型游戏

以上，便是今日分享。

本文原创首发于公众号「小詹学Python」。