阿里云天池Python训练营

阿里云天池Python训练营

 

本节主要介绍python中的数据分析方法，结合之前的学习内容，对于宝可梦精灵中的各种精灵数据进行分析，找寻其中的最强精灵。

 

一、数据分析实战

 

1. 数据集下载

!wget -O pokemon_data.csv https://pai-public-data.oss-cn-beijing.aliyuncs.com/pokemon/pokemon.csv

从https://pai-public-data.oss-cn-beijing.aliyuncs.com/pokemon/pokemon.csv上自动下载数据集并存储为pokemon_data.csv文件

 

2. 导入模块

import pandas as pd

import seaborn as sns

import matplotlib.pyplot as plt

导入数据分析需要的相关模块

 

3. 数据读取

df = pd.read_csv("./pokemon_data.csv")

利用pd.read_csv函数读取数据集

 

利用pd.head()函数 查看数据前5行内容

 

利用df.info()函数 查看数据完整信息

数据共有801行 41列（801种宝可梦 每种宝可梦有41个特征）

 

 4. 特征缺失情况

percent_missing = df.isnull().sum() * 100 / len(df)

missing_value_df = pd.DataFrame({ 'column_name': df.columns,     'percent_missing': percent_missing })

missing_value_df.sort_values(by='percent_missing', ascending=False)).head()

计算特征确实百分比并显示前5个

 

type2缺失比最高 大部分通常宝可梦只有一种属性

 

 5.数据分布情况

df['generation'].value_counts().plot.bar()

利用df['generation'].value_counts()来计算不同世代的宝可梦数量 并绘制柱形图

 

如图所示 第5代宝可梦数量最多 第6代宝可梦数量最少

df['type1'].value_counts().sort_values(ascending=True).plot.barh()

利用df['type1'].value_counts()来计算不同属性的宝可梦数量 并绘制柱形图

 

如图所示 水系宝可梦数量最多 飞行系宝可梦数量最少

plt.subplots(figsize=(10, 10))

sns.heatmap(df[df['type2']!='None'].groupby(['type1', 'type2']).size().unstack(), linewidths=1, annot=True, cmap="Blues" )

plt.xticks(rotation=35)

plt.show()

统计双系宝可梦的数量

 

 

6.相关性分析

plt.subplots(figsize=(20,15))
ax = plt.axes()
ax.set_title("Correlation Heatmap")
corr = df.corr()
sns.heatmap(corr, 
            xticklabels=corr.columns.values,
            yticklabels=corr.columns.values)

利用df.corr()来计算不同特征间相关性 并利用sns.heatmap绘制热力图

 

如图所示 攻击力和基础值密切相关 传说级宝可梦的孵蛋距离都很长 孵蛋距离越短的宝可梦越开心 越高越大越珍贵的宝可梦越不开心

sns.jointplot("base_egg_steps", "experience_growth", data=df, height=5, ratio=3, color="g")

利用sns.heatmap绘制孵蛋步数与经验成长之间的散点图

 

如图所示 孵蛋步数基本在5000~10000步 但并不是步数越多经验越高

sns.jointplot("attack", "hp", data=df, kind="kde")

利用sns.jointplot绘制攻击力与血量之间的核密度估计图

 

如图所示 攻击力与血量成正比 但血量的影响系数较小 宝可梦集中在50血量 50-100攻击

 

7.战斗分析

只关注六个基础值：血量 攻击力 防御力 特攻 特防 速度

interested = ['hp','attack','defense','sp_attack','sp_defense','speed']

sns.pairplot(df[interested])

利用sns.pairplot绘制散点图矩阵

 

plt.subplots(figsize=(10,8))

ax = plt.axes()

ax.set_title("Correlation Heatmap")

corr = df[interested].corr()

sns.heatmap(corr, xticklabels=corr.columns.values, yticklabels=corr.columns.values, annot=True, fmt="f",cmap="YlGnBu")

 

每种战斗属性的均值在前1/3左右 各属性值之间大部分都是成正比的

 

8.挑选宝可梦

for c in interested:    

     df[c] = df[c].astype(float)

df = df.assign(total_stats = df[interested].sum(axis=1))

利用df.assign()将战斗属性值进行加和存储为新的特征数值战斗力：total_stats

total_stats = df.total_stats

plt.hist(total_stats,bins=35)

plt.xlabel('total_stats')

plt.ylabel('Frequency')

利用plt.hist()绘制战斗力的分布直方图

 

水平轴表示战斗力的高低 垂向表示出现的频次

plt.subplots(figsize=(20,12))
ax = sns.violinplot(x="type1", y="total_stats", data=df, palette="muted")

利用sns.violinplot() 绘制不同属性战斗力的小提琴图

 

水平轴表示不同的属性 垂向表示战斗力的高低 形状表示数据分布

df[(df.total_stats >= 570) & (df.is_legendary == 0)]['name'].head(10)

过滤和排序确定 十大最强非传说级的宝可梦

 

分别是妙蛙花 喷火龙 水箭龟 比雕 胡地 呆河马 耿鬼 袋兽 大甲 暴鲤龙