Python给自己写一款不一样的吃鸡“外挂”

最新推荐文章于 2023-11-28 09:24:28 发布

weixin_44099558

最新推荐文章于 2023-11-28 09:24:28 发布

阅读量1.9k

点赞数

分类专栏： python 数据发掘爬虫文章标签： Python 爬虫数据分析

本文链接：https://blog.csdn.net/weixin_44099558/article/details/85126125

版权

本文利用Python进行数据分析，探讨了在吃鸡游戏中不同比赛规模、驾驶行为以及毒圈位置对生存率的影响。通过绘制生存曲线，发现在小型比赛中生存机会较大，而且驾驶可能增加生存概率。此外，分析表明击杀数与吃鸡概率不一定正相关，存活时间和策略更为关键。最后，揭示了游戏中的某些有趣现象，如女性角色在救援方面的表现更突出，周五和晚上22点是游戏高峰期。

摘要由CSDN通过智能技术生成

吃鸡的火热程度相信大家都有所了解，今天小编就来带大家制作“简单的外挂”，相信能够帮助大家大吉大利，今晚吃鸡！

1、小岛上人越多我活得更久？

对game_size变量进行生存分析发现还是小规模的比赛比较容易存活。

Python给自己写一款不一样的吃鸡“外挂

1# R语言代码如下：

2library(magrittr)

3library(dplyr)

4library(survival)

5library(tidyverse)

6library(data.table)

7library(ggplot2)

8library(survminer)

9pubg_full <- fread("../agg_match_stats.csv")

10# 数据预处理，将连续变量划为分类变量

11pubg_sub <- pubg_full %>%

12 filter(player_survive_time<2100) %>%

13 mutate(drive = ifelse(player_dist_ride>0, 1, 0)) %>%

14 mutate(size = ifelse(game_size<33, 1,ifelse(game_size>=33 &game_size<66,2,3)))

15# 创建生存对象

16surv_object <- Surv(time = pubg_sub$player_survive_time)

17fit1 <- survfit(surv_object~party_size,data = pubg_sub)

18# 可视化生存率

19ggsurvplot(fit1, data = pubg_sub, pval = TRUE, xlab="Playing time [s]", surv.median.line="hv",

20 legend.labs=c("SOLO","DUO","SQUAD"), ggtheme = theme_light(),risk.table="percentage")

21f

<- survfit(surv_object~drive,data=pubg_sub)

22ggsurvplot(fit2, data = pubg_sub, pval = TRUE, xlab=&