标签：tolist style pie 队伍 LPL values add Data 看好
干货福利，第一时间送达
摘要：
LPL(League of Legends Pro League)，中国大陆最高级别的英雄联盟职业比赛，是中国大陆赛区通往每年季中冠军赛和全球总决赛的唯一渠道。相信大部分小伙伴对LPL的参赛队伍都不陌生，那今天就来分析一下这些参赛队伍的数据。
问题：
打比赛的时候，选择蓝方胜率是否是一定高于红方？EDG、WE、RNG以及像国民老公的IG这些战队胜率如何？不同的战队特点是什么呢？某个时段的战队战绩排行又是什么情况？
分析：
1、导入数据并修改字段名
import numpy as np import pandas as pd import seaborn as snsimport matplotlib.pyplot as pltfrom datetime import date, timedelta, datetimefrom pyecharts import Bar,Pie,Line,Geo,Map,Style,WordCloudplt.rc("font", size=14)plt.rcParams['savefig.dpi'] = 100 #图片像素plt.rcParams['figure.dpi'] = 100 #分辨率Data = pd.read_csv('C:/Users/18030/Desktop/LOL.csv')Data.rename(columns={'战队':'Team','***':'Attack',"法术":"Magic","防御":"Defence","团战":"Group","机动":"Flex","是否红方":"Is_Red","是否获胜":"IS_V"},inplace=True)Data.head()
不同队伍选择红方，蓝方的输赢比分析
from pyecharts import BarData_1 = pd.pivot_table(Data,values='IS_V',index='Team',columns='Is_Red',aggfunc='sum')Data_1.rename(columns={0:"NO",1:"YES"},inplace=True)attr = Data_1.index.tolist()v1 = Data_1['NO'].values.tolist()v2 = Data_1['YES'].values.tolist()bar = Bar("")bar.add("YES", attr, v2, is_stack=True)bar.add("NO", attr, v1, is_stack=True)bar可视化结果：
分析结果：
JDG、NB、WE、IG等大多数队伍选择选择蓝方的胜场高于红方。
RNG、EDG、IM选择红方的胜场高于蓝方。
不同队伍的打法特点是怎样的呢？
from pyecharts import RadarData_2 = Data.groupby('Team').mean().stack()EDG_VALUE = [Data_2['EDG'][:5].values.tolist()]WE_VALUE = [Data_2['WE'][:5].values.tolist()]RNG_VALUE = [Data_2['RNG'][:5].values.tolist()]radar = Radar()c_schema= [ {"name": "Attack", "max": 55, "min": 53}, {"name": "Magic", "max": 52.8, "min": 50}, {"name": "Defence", "max": 55, "min": 52}, {"name": "Group", "max": 76, "min":72}, {"name": "Flex", "max": 68, "min":64} ]radar.config(c_schema=c_schema, shape='circle')radar.add("EDG", EDG_VALUE, is_splitline=True, is_axisline_show=True,line_width =2 )radar.add("WE", WE_VALUE, label_color=["#4e79a7"],item_color="#000",line_width=2)radar.add("RNG", RNG_VALUE, label_color=['rgba(443,23,112,121)'],item_color='rgba(413,123,23,412)',line_width=2)radar说明：这里只画出RNG、EDG、WE的打法特点。
可视化结果：
很明显的看出来这三只队伍的打法特点:
EDG更注重进攻，而防守是其短板。
RNG的打法是很灵活的，并且在法术和防御很出色。
WE不是激进的打法，相对来说其更愿意防守和团队输出。
某个时段的战队战绩排行又是什么情况呢？
from pyecharts import BarData_3 = Data.groupby('Team').sum()Data_4 = Data_3['IS_V']Data_4 = Data_4.sort_values(ascending=False)attr = Data_4.index.values.tolist()v = Data_4.values.tolist()bar = Bar()bar.use_theme('dark')bar.add("战队胜场排行榜",attr,v)bar可视化结果：
分析结果：
该时段WE、IG、RNG的胜场相对来说更好一些。
IM、DAN等战队相对这些老牌队伍逊色不少。
不同战队的胜率如何？
from pyecharts import PieData_7 = Data.groupby('Team').sum()Index = Data_7.indexALL_COUNT = np.array([len(Data[Data.Team == i ]) for i in Index])ALL_WIN =Data_7.IS_V.valuesWIN_PER = ALL_WIN/ALL_COUNTLOS_PER = 1 - WIN_PERData_8 = pd.DataFrame(index=Index,columns=['WIN_PER','LOS_PER'])Data_8['WIN_PER'] = WIN_PER*100Data_8['LOS_PER'] = LOS_PER*100Data_8.sort_values(by='WIN_PER',ascending=False,inplace=True)pie = Pie(title_pos='center')style = Style()pie_style = style.add( label_pos="center", is_label_show=True, label_text_color=None)pie.add( "", ["EDG", ""], Data_8.iloc[0].values.tolist(), center=[10, 30], radius=[18, 24], **pie_style)pie.add( "", ["RNG", ""], Data_8.iloc[1].values.tolist(), center=[30, 30], radius=[18, 24], **pie_style)pie.add( "", ["WE", ""], Data_8.iloc[2].values.tolist(), center=[50, 30], radius=[18, 24], **pie_style)pie.add( "", ["IG", ""], Data_8.iloc[3].values.tolist(), center=[70, 30], radius=[18, 24], **pie_style)pie.add( "", ["OMG", ""], Data_8.iloc[4].values.tolist(), center=[90, 30], radius=[18, 24], **pie_style)pie.add( "", ["NB", ""], Data_8.iloc[5].values.tolist(), center=[10, 70], radius=[18, 24], **pie_style)pie.add( "", ["JDG", ""], Data_8.iloc[6].values.tolist(), center=[30, 70], radius=[18, 24], **pie_style)pie.add( "", ["SNG", ""], Data_8.iloc[7].values.tolist(), center=[50, 70], radius=[18, 24], **pie_style)pie.add( "", ["LGD", ""], Data_8.iloc[8].values.tolist(), center=[70, 70], radius=[18, 24], **pie_style)pie.add( "", ["DAN", ""], Data_8.iloc[9].values.tolist(), center=[90, 70], radius=[18, 24], **pie_style)pie可视化结果：
EDG、RNG、WE等战队的胜率能到到60%以上。
OMG、IG的胜率在55%以上。
DAN等战队的胜率在40%以下。
拓展：
可利用逻辑回归、SVM等机器学习等算法预测一下还没打之前某只战队是否可取得胜利。这部分内容以后在更新。
标签：tolist,style,pie,队伍,LPL,values,add,Data,看好 来源： https://blog.51cto.com/15127516/2682915
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。