概述前言获取数据观察数据处理哪些数据与吃鸡***有关？热力图分析预期研究问题结论前言堡垒旋风在国外刮起。这个沙盒游戏也是一个大逃杀游戏。在绝地求生逐渐没落的情况下，堡垒之夜获得多项提名。众多明星主播纷纷转战堡垒！建造建筑物和道路，布置陷阱并设置蹦床；如果你想与太阳并肩作战，你将乘坐火箭飞上天空。鉴于《两百斤魂》的小胖室友经常沉迷于吃鸡游戏，为了帮助他提高游戏胜率，我抓取并分析了10000多场吃鸡游戏的数据。下面我们就来看看能吃到鸡的相关条件有哪些？首先，我们需要加载Python库：importpandasapdimportnumpyasnpimportmatplotlib.pyplotaspltimportseabornassns%matplotlibinline然后加载Fortnite数据，检查数据的质量和清洁度，然后对数据集进行整理和清洗，以便后续清洗。#输入堡垒之夜的CSV数据Fortnite_data=pd.read_csv('aguang.csv')为了对数据集有个大概的了解，不妨输出数据的前几行。Fortnite_data.head()结果为：serial_numberknockout_numberassist-numbersave_numberprecisionhit_the_targetexact_strikemarching_coursematerialcollectionmaterial-usingafforddamagecause_damagebuilding-damagegradeTotal-scoreTotal-experienceteamsnumbermatch-timecompetitor-name014100.3369194000132567055481537093448.0762.012018/5/1411:37Alvin122100.31280200073311029226877339282.0536.022018/5/1717:48Alvin233010.2133123000180635024554377278291.0597.042018/5/1818:05Alvin342030.05603000700420746163190083NaNNaN42018/5/1818:26Alvin451410.123273000668370212432131084358.0734.042018/5/1818:53Alvin观察数据本数据集包含了1w余把游戏数据，其中可能有“二百斤”的小胖网瘾记录(惨不忍睹:joy:).Missingvalues??inthisdatasetaremarkedasNaN.数据列名称含义如下：serial_number:比赛场次编号knockout_number:本场淘汰数assist_number:助攻数save_number:救下队友数precision:投篮命中率hit_the_target:***exact_strike:精准打击marching_course:travelcourse(m)material_collection:材料已收集material-using:使用材料afford_damage:受到伤害cause_damage:玩家伤害building-damage:建筑伤害total_score:总分total_experience:总经验teams_number:比赛情况（1人为Solo,2人为Double，4人为team，3人Competitors自动补4人)match_time:比赛时间competitor_name:这条记录的拥有者数据处理Checkthedatatypeanddataformissingvalues:#CheckthedatatypeanddataformissingFortnite_data.info()Checkforduplication数据：#查看一下有无重新数据Fortnite_data[Fortnite_data.duplicated()]结果为：serial_numberknockout_numberassist-numbersave_numberprecisionhit_the_targetexact_strikemarching_coursematerialcollectionmaterial-usingafforddamagecause_damagebuilding-damagegradeTotal-scoreTotal-experienceteamsnumbermatch-timecompetitor-name查看数据的描述统计：#查看数据的描述统计Fortnite_data.describe()Theresultis:serial_numberknockout_numberassist-numbersave_numberprecisionhit_the_targetexact_strikemarching_coursematerialcollectionmaterial-usingafforddamagecause_damagebuilding-damagegradeTotal-scoreTotal-experienceteamsnumbercoun42.00000042.00000042.00000042.00000042.00000042.00000042.00000042.00000042.00000042.00000042.00000042.00000042.00000042.00000020.00000020.00000042.000000mean21.5000002.6428571.2619050.3809520.24642938.4523816.9761902576.1428571092.785714312.619048350.047619567.3095249336.1190486.000000362.700000676.3500003.238095std12.2678442.8182461.4152400.6608340.16852032.5398098.529684781.055339617.643932213.781967160.616336434.4199666366.1746734.928761151.638802274.7855191.122052min1.0000000.0000000.0000000.0000000.0000000.0000000.000000481.000000200.0000000.00000052.0000000.0000001755.0000001.00000084.000000168.0000001.00000025%11.2500001.0000000.0000000.0000000.17250010.2500002.0000002000.000000694.750000162.500000273.000000262.7500005780.0000003.000000277.750000507.7500002.00000050%21.5000002.0000001.0000000.0000000.24000032.5000003.5000003000.000000905.500000260.000000326.000000513.0000007819.0000004.000000328.500000602.5000004.00000075%31.7500003.0000002.0000001.0000000.30500056.00000010.2500003000.0000001453.750000367.500000403.000000692.50000010799.5000007.750000403.000000775.2500004.000000max42.00000015.0000005.0000003.0000001.000000126.00000039.0000004000.0000002728.0000001060.000000877.0000001970.00000032963.00000018.000000728.0000001238.0000004.000000经过分析数据，发现一场淘汰13人的数据，可能存在误差，单独输出看一下：Fortnite_data[Fortnite_data['knockout_number']==13]结果为：serial_numberknockout_numberassist-numbersave_numberprecisionhit_the_targetexact_strikemarching_coursematerialcollectionmaterial-usingafforddamagecause_damagebuilding-damagegradeTotal-scoreTotal-experienceteamsnumbermatch-timecompetitor-name121315100.24103183000148866052197086121728.01238.012018/5/1921:47AfteranalysisbyWal-Mart,thisdataisnormal.Itmaybethatthe"interestingsoul"chubbystudentwasveryviolent.Onepersonkilled13people,singingallthewayontheroadofeatingchicken,andonlytraveled3000mForexample,thereisbasicallynoproblemofvirusrunning,itcanbesaidthattherighttimeandplace!Inordertoimprovethecleanliness,thematch-timecolumnissplitintoyear,month,dayandhourcolumns.Thefollowingisthedatacleaning:#copyabackupdfFortnite_clean=Fortnite_data.copy()question:哪些数据与***名（吃鸡）有关？完成数据整理和清洗后，我会先进行探索性数据分析，确定研究问题，然后输出描述性统计。没有值得研究的点（你可以调整问题的方向，因为你在途中知道更好的点），创建一个可视化图表，解决你之前提出的研究问题。探索这个问题：获得最好的名字（吃鸡）和那个数据之间有什么关系？Fortnite_clean.head()#Outputdescriptivestatisticsonthesorteddata的数据Fortnite_clean[Fortnite_clean['grade']==1]结果为：serial_numberknockout_numberassist_numbersave_numberprecisionhit_the_targetexact_strikemarching_coursematerial_collectionmaterial_usingafford_damagecause_damagebuilding_damagegradetotal_scoretotal_experienceteams_numberdata_sourcesmatch_daymatch_hour12001315100.241031830001488660521970861217281238SoloWal-Mart2018-05-1921:47:001800191110.025240001351250225214809616081156TeamAlvin2018-05-2221:24:002500265310.26622400027283308310407096100TeamWal-Mart2018-05-2821:58:002600272300.1860200019551004515412363315941188TeamAlvin2018-05-2821:58:002700282400.194833000175559028360520733100TeamKaka2018-05-2821:58:00Thestrangethingisthatinthedataofeatingchicken,thedataofWal-Mart明显不错，Alivn和Kaka的数据好像不太好。在knockout_number、precision和`cause_damage这些我们习惯看的吃鸡指标上并不突出，甚至不如很多排名靠后的数据。然后过滤掉伤害高于606的数据#Filteroutthedatadamagehigherthan606and605damagedataarenumerous,buttheresultsseemedseemsnotverygood,resultsareonlycloversinthesixththrough!那么是什么原因导致阿尔文和卡卡吃鸡呢？难道他们刚刚赶上了“两百斤”的胖乎乎的沃尔玛？快船，你们都是桨手吗？事实并非如此。我们的目光落在afford_damage和building_damage上。两者都有很高的伤害和建筑伤害。（堡垒之夜可以自己建造建筑物当掩体）那他们是不是去帮主力消防员沃尔玛吸引火力摧毁地方给沃尔玛输出空间？让我们继续研究。那么，一个分支问题出现了：围绕主输出玩家，有afford_damage和building_damage的队友吃鸡有效吗？求解代码如下：Fortnite_clean[Fortnite_clean['afford_damage']>=451].grade.mean()output:3.125Fortnite_clean[Fortnite_clean['building_damage']>=20000].grade.mean()output:1.75它可以推断，knockout_number、precision、cause_damage这三个数据对于吃鸡来说很重要，但是如果4人一组，1~2个输出位左右，配置1~2个肉盾抵挡伤害，机枪手负责去掉板子对吃鸡大有好处。dfData=Fortnite_one.corr()plt.subplots(figsize=(8,8))#设置屏幕尺寸sns.heatmap(dfData,annot=True,vmax=1,square=True,cmap="Blues")plt.show()数据可视化后热力图如下：热力图分析热力图中，与等级高度相关的前三项分别是：材料采集、淘汰次数、造成伤害前比较有希望的***与精确打击关系不大。好的FPS手感在Fortnite中真的不是很重要吗？研究需要更多数据。预期的研究问题是命运圈与吃鸡能力之间是否存在相关性？(marching_course<2000)在比赛中用多板和能不能吃鸡有相关性吗？(material_using)注：由于数据量大Small，以后可以收集更多的数据，希望能针对以上和更多的方向进行研究。结论根据上面的热力图，可以得出以下结果：与吃鸡相关度较高的前三项分别是：物资收集、消灭数量、造成的伤害，基本复合预期；材料使用的高度相关性是由于被淘汰的玩家爆炸的设备和材料也被视为材料收集；如果队伍想打出好成绩，围绕1~2个输出位，配置1~2个可以抗伤害的肉盾和负责拆板的机枪手，才是正道；前面说了，这个分析的结果更倾向于一个人吃鸡，团队吃鸡，团队成员之间的工作分配也很重要。源码已经上传到Github，可以在以下地址下载：https://github.com/zandaoguang/eatingchicken
