五王之戰(zhàn)分析 - 冰與火之歌

簡介

五王之戰(zhàn)（War of the Five Kings）是著名嚴(yán)肅奇幻小說《冰與火之歌》中的著名內(nèi)戰(zhàn)。這是一場規(guī)模空前、波及七大王國的內(nèi)亂。顧名思義，前后共有五人在戰(zhàn)爭中稱王：喬佛里、史坦尼斯、藍(lán)禮均聲稱自己是鐵王座的合法繼承人。除此之外，羅柏·史塔克被北境眾封臣推選為北境之王，巴隆·葛雷喬伊亦再度掀起獨立大旗，欲擺脫鐵王座的統(tǒng)治，自稱為鐵群島之王。

本數(shù)據(jù)集(battles.csv)包含了五王之戰(zhàn)期間的戰(zhàn)爭，它是所有戰(zhàn)斗的大集合。該數(shù)據(jù)是Kaggle中Game of Thrones的一部分。

數(shù)據(jù)中的變量含義解釋：

name: 戰(zhàn)爭的名稱，字符變量。 year: 戰(zhàn)爭發(fā)生的年份，數(shù)值變量。 battle_number: 本數(shù)據(jù)中的unique id，對應(yīng)每一場獨立的戰(zhàn)役，數(shù)值變量。 attacker_king: 攻擊方的國王，"/"表示了國王的更換。例如："Joffrey/Tommen Baratheon"意味著Tomen Baratheon繼承了Joffrey的王位，分類變量。 defender_king: 防守方的國王，分類變量。 attacker_1: 攻擊方將領(lǐng)，字符變量。 attacker_2: 攻擊方將領(lǐng)，字符變量。 attacker_3: 攻擊方將領(lǐng)，字符變量。 attacker_4: 攻擊方將領(lǐng)，字符變量。 defender_1: 防守方將領(lǐng)，字符變量。 defender_2: 防守方將領(lǐng)，字符變量。 defender_3: 防守方將領(lǐng)，字符變量。 defender_4: 防守方將領(lǐng)，字符變量。 attacker_outcome: 從攻擊方角度來看的戰(zhàn)爭結(jié)果，分別有：win, loss, draw，分類變量。 battle_type: 戰(zhàn)爭的類別。pitched_battle: 雙方軍隊在一個地點相遇并戰(zhàn)斗，這也是最基本的戰(zhàn)爭類別；ambush: 以隱身或詭計為主要攻擊手段的戰(zhàn)爭；siege: 陣地戰(zhàn)；razing: 對未設(shè)防位置的攻擊。分類變量。 major_death: 是否有重要人物的死亡，二進(jìn)制變量。 major_capture: 是否有重要人物的被捕，二進(jìn)制變量。 attacker_size: 攻擊方力量的大小，并未對騎兵、步兵等士兵種類有所區(qū)分，數(shù)值變量。 defender_size: 防守方力量的大小，并未對騎兵、步兵等士兵種類有所區(qū)分，數(shù)值變量。 attacker_commander: 攻擊方的主要指揮官。指揮官的名字中并沒有包含頭銜，不同的指揮官名字用逗號隔開，字符變量。 defender_commander: 防守方的主要指揮官。指揮官的名字中并沒有包含頭銜，不同的指揮官名字用逗號隔開，字符變量。 summer: 戰(zhàn)爭是否發(fā)生于夏天，二進(jìn)制變量。 location: 戰(zhàn)爭發(fā)生的地點，字符變量。 region: 戰(zhàn)爭發(fā)生的地域，包括：Beyond the Wall, The North, The Iron Islands, The Riverlands, The Vale of Arryn, The Westerlands, The Crownlands, The Reach, The Stormlands, Dorne，分類變量。 note: 注釋，字符變量。

項目完成指南

本項目中的數(shù)據(jù)分析流程已經(jīng)給出，但代碼將完全由你自己進(jìn)行書寫，如果你無法完成本項目，說明你目前的能力并不足以完成 數(shù)據(jù)分析(進(jìn)階)納米學(xué)位，建議先進(jìn)行 數(shù)據(jù)分析（入門）納米學(xué)位的學(xué)習(xí)，掌握進(jìn)階課程的先修知識。

對于數(shù)據(jù)分析過程的記錄也是數(shù)據(jù)分析報告的一個重要部分，你可以自己在需要的位置插入Markdown cell，記錄你在數(shù)據(jù)分析中的關(guān)鍵步驟和推理過程。比如：數(shù)據(jù)有什么樣的特點，統(tǒng)計數(shù)據(jù)的含義是什么，你從可視化中可以得出什么結(jié)論，下一步分析是什么，為什么執(zhí)行這種分析。如果你無法做到這一點，你也無法通過本項目。

小貼士: 像這樣的引用部分旨在為學(xué)員提供實用指導(dǎo)，幫助學(xué)員了解并使用 Jupyter notebook

提出問題

在此項目中，你將以一名數(shù)據(jù)分析師的身份執(zhí)行數(shù)據(jù)的探索性分析。你將了解數(shù)據(jù)分析過程的基本流程。在你分析數(shù)據(jù)之前，請先思考幾個你需要理解的關(guān)于這些戰(zhàn)斗的問題，例如，哪一個區(qū)域發(fā)生了最多的戰(zhàn)爭？哪一個國王獲得了最多的勝利？戰(zhàn)爭的勝利與否受那些關(guān)鍵因素的影響？

問題：請寫下你感興趣的問題，請確保這些問題能夠由現(xiàn)有的數(shù)據(jù)進(jìn)行回答。
（為了確保學(xué)習(xí)的效果，請確保你的數(shù)據(jù)分析報告中能夠包含2幅可視化和1個相關(guān)性分析。）

答案：1.那個區(qū)域發(fā)生的戰(zhàn)爭最多；
2.哪個國王勝利的次數(shù)最多；
3.戰(zhàn)爭的勝利與否受哪些關(guān)鍵因素的影響。

在提出了問題之后，我們將開始導(dǎo)入數(shù)據(jù)，并對數(shù)據(jù)進(jìn)行探索性分析，來回答上面提出的問題。

小貼士: 雙擊上框，文本就會發(fā)生變化，所有格式都會被清除，以便你編輯該文本塊。該文本塊是用 Markdown編寫的，該語言使用純文本語法，能用頁眉、鏈接、斜體等來規(guī)范文本格式。在納米學(xué)位課程中，你也會用到 Markdown。編輯后，可使用 Shift + Enter 或 Shift + Return 運行上該框，使其呈現(xiàn)出編輯好的文本格式。

數(shù)據(jù)評估和清理

小貼士: 運行代碼框的方法與編輯上方的 Markdown 框的格式類似，你只需點擊代碼框，按下鍵盤快捷鍵 Shift + Enter 或 Shift + Return ，或者你也可先選擇代碼框，然后點擊工具欄的 運行 按鈕來運行代碼。運行代碼框時，相應(yīng)單元左側(cè)的信息會出現(xiàn)星號，即 In [*]:，若代碼執(zhí)行完畢，星號則會變?yōu)槟硞€數(shù)字，如 In [1]。如果代碼運行后有輸出結(jié)果，輸出將會以 Out [1]: 的形式出現(xiàn)，其中的數(shù)字將與 “In” 中的數(shù)字相對應(yīng)。

# TO DO: load pacakges import pandas as pd import numpy as np % matplotlib inline # TO DO: load the dataset df = pd.read_csv("battles.csv") # 將折疊的數(shù)據(jù)展開 pd.set_option('display.max_columns',None) # 展開數(shù)據(jù)前五行進(jìn)行觀察 df.head() nameyearbattle_numberattacker_kingdefender_kingattacker_1attacker_2attacker_3attacker_4defender_1defender_2defender_3defender_4attacker_outcomebattle_typemajor_deathmajor_captureattacker_sizedefender_sizeattacker_commanderdefender_commandersummerlocationregionnote01234

Battle of the Golden Tooth

298

1

Joffrey/Tommen Baratheon

Robb Stark

Lannister

NaN

NaN

NaN

Tully

NaN

NaN

NaN

win

pitched battle

1.0

0.0

15000.0

4000.0

Jaime Lannister

Clement Piper, Vance

1.0

Golden Tooth

The Westerlands

NaN

Battle at the Mummer's Ford

298

2

Joffrey/Tommen Baratheon

Robb Stark

Lannister

NaN

NaN

NaN

Baratheon

NaN

NaN

NaN

win

ambush

1.0

0.0

NaN

120.0

Gregor Clegane

Beric Dondarrion

1.0

Mummer's Ford

The Riverlands

NaN

Battle of Riverrun

298

3

Joffrey/Tommen Baratheon

Robb Stark

Lannister

NaN

NaN

NaN

Tully

NaN

NaN

NaN

win

pitched battle

0.0

1.0

15000.0

10000.0

Jaime Lannister, Andros Brax

Edmure Tully, Tytos Blackwood

1.0

Riverrun

The Riverlands

NaN

Battle of the Green Fork

298

4

Robb Stark

Joffrey/Tommen Baratheon

Stark

NaN

NaN

NaN

Lannister

NaN

NaN

NaN

loss

pitched battle

1.0

1.0

18000.0

20000.0

Roose Bolton, Wylis Manderly, Medger Cerwyn, H...

Tywin Lannister, Gregor Clegane, Kevan Lannist...

1.0

Green Fork

The Riverlands

NaN

Battle of the Whispering Wood

298

5

Robb Stark

Joffrey/Tommen Baratheon

Stark

Tully

NaN

NaN

Lannister

NaN

NaN

NaN

win

ambush

1.0

1.0

1875.0

6000.0

Robb Stark, Brynden Tully

Jaime Lannister

1.0

Whispering Wood

The Riverlands

NaN

# 查看數(shù)據(jù)集結(jié)構(gòu) df.shape (38, 25) # TO DO: check the dataset general info # 查看數(shù)據(jù)是否有缺失值 df.info() <class 'pandas.core.frame.DataFrame'> RangeIndex: 38 entries, 0 to 37 Data columns (total 25 columns): name 38 non-null object year 38 non-null int64 battle_number 38 non-null int64 attacker_king 36 non-null object defender_king 35 non-null object attacker_1 38 non-null object attacker_2 10 non-null object attacker_3 3 non-null object attacker_4 2 non-null object defender_1 37 non-null object defender_2 2 non-null object defender_3 0 non-null float64 defender_4 0 non-null float64 attacker_outcome 37 non-null object battle_type 37 non-null object major_death 37 non-null float64 major_capture 37 non-null float64 attacker_size 24 non-null float64 defender_size 19 non-null float64 attacker_commander 37 non-null object defender_commander 28 non-null object summer 37 non-null float64 location 37 non-null object region 38 non-null object note 5 non-null object dtypes: float64(7), int64(2), object(16) memory usage: 7.5+ KB ## defender_3,defender_4,這兩個字段全是空值，沒有保留的必要，將其刪除 df.drop(["defender_3","defender_4"],axis = 1,inplace= True) ## attacker_king 列，有兩行是空值,去掉空值 df["attacker_king"].dropna(inplace = True) # TO DO: clean the data (optional: only there are problems) ## fill the missing data #df.fillna(df.mean(),inplace=True) #df.info() <class 'pandas.core.frame.DataFrame'> RangeIndex: 38 entries, 0 to 37 Data columns (total 23 columns): name 38 non-null object year 38 non-null int64 battle_number 38 non-null int64 attacker_king 36 non-null object defender_king 35 non-null object attacker_1 38 non-null object attacker_2 10 non-null object attacker_3 3 non-null object attacker_4 2 non-null object defender_1 37 non-null object defender_2 2 non-null object attacker_outcome 37 non-null object battle_type 37 non-null object major_death 38 non-null float64 major_capture 38 non-null float64 attacker_size 38 non-null float64 defender_size 38 non-null float64 attacker_commander 37 non-null object defender_commander 28 non-null object summer 38 non-null float64 location 37 non-null object region 38 non-null object note 5 non-null object dtypes: float64(5), int64(2), object(16) memory usage: 6.9+ KB ## check the duplicated data sum(df.name.duplicated()) 0

數(shù)據(jù)探索分析

# In exploratory data analysis, please make sure of using statistics and visualizations ## 統(tǒng)計各個區(qū)域的戰(zhàn)爭次數(shù) df["region"].value_counts().plot(kind = "bar",colors = ["r","gray","gray","gray","gray","gray","gray"]) C:\Users\15004\Anaconda3\lib\site-packages\pandas\plotting\_core.py:194: UserWarning: 'colors' is being deprecated. Please use 'color'instead of 'colors'warnings.warn(("'colors' is being deprecated. Please use 'color'"<matplotlib.axes._subplots.AxesSubplot at 0x1dae9de3b00>

在數(shù)據(jù)的探索性分析中，請確保你對數(shù)據(jù)分析中的關(guān)鍵步驟和推理過程進(jìn)行了記錄。你可以自己插入code cell和markdown cell來組織你的報告。

#for i, v in enumerate(df.columns):# print(i, v) ## 為了節(jié)省運行時間，我們選擇“attacker_king”,"attacker_outcome"與"battle_type"字段進(jìn)行統(tǒng)計 df[["attacker_king","attacker_outcome","battle_type"]] attacker_kingattacker_outcomebattle_type012345678910111213141516171819202122232425262728293031323334353637

Joffrey/Tommen Baratheon	win	pitched battle
Joffrey/Tommen Baratheon	win	ambush
Joffrey/Tommen Baratheon	win	pitched battle
Robb Stark	loss	pitched battle
Robb Stark	win	ambush
Robb Stark	win	ambush
Joffrey/Tommen Baratheon	win	pitched battle
Balon/Euron Greyjoy	win	pitched battle
Balon/Euron Greyjoy	win	siege
Balon/Euron Greyjoy	win	ambush
Robb Stark	win	pitched battle
Balon/Euron Greyjoy	win	ambush
Balon/Euron Greyjoy	win	siege
Joffrey/Tommen Baratheon	win	ambush
Robb Stark	win	ambush
Stannis Baratheon	win	siege
Joffrey/Tommen Baratheon	loss	pitched battle
Robb Stark	win	ambush
Robb Stark	win	ambush
Stannis Baratheon	loss	pitched battle
Robb Stark	win	siege
Robb Stark	loss	pitched battle
NaN	win	pitched battle
Joffrey/Tommen Baratheon	win	pitched battle
Joffrey/Tommen Baratheon	win	pitched battle
Joffrey/Tommen Baratheon	win	ambush
Robb Stark	win	siege
Stannis Baratheon	loss	siege
Joffrey/Tommen Baratheon	win	siege
NaN	win	razing
Stannis Baratheon	win	pitched battle
Balon/Euron Greyjoy	win	pitched battle
Balon/Euron Greyjoy	win	razing
Joffrey/Tommen Baratheon	win	siege
Joffrey/Tommen Baratheon	win	siege
Joffrey/Tommen Baratheon	win	siege
Joffrey/Tommen Baratheon	win	siege
Stannis Baratheon	NaN	NaN

## 從攻擊方角度將，對不同國王勝利次數(shù)進(jìn)行統(tǒng)計 df.groupby("attacker_king").attacker_outcome.value_counts().unstack().plot(kind="bar") <matplotlib.axes._subplots.AxesSubplot at 0x1dae9dc8a90>

## 對于運用不同的作戰(zhàn)方式而獲勝的次數(shù)進(jìn)行統(tǒng)計 df.groupby("battle_type").attacker_outcome.value_counts().unstack().plot(kind="bar") <matplotlib.axes._subplots.AxesSubplot at 0x1dae9eab898>

得出結(jié)論

問題：上面的分析能夠回答你提出的問題？通過這些分析你能夠得出哪些結(jié)論？

答案：1.從數(shù)據(jù)探索第一階段得出的數(shù)據(jù)，可以看出，在The Riverlands地區(qū)發(fā)生的戰(zhàn)爭次數(shù)最多。 2.從攻擊方的角度來講，Joffrey/Tommen Baratheon(Tomen Baratheon繼承了Joffrey的王位)獲勝次數(shù)最多。 3.從戰(zhàn)爭類型來看，采用ambusy與siege類型的戰(zhàn)役獲勝次數(shù)要多于其他兩種。從現(xiàn)有數(shù)據(jù)量來看的話，在戰(zhàn)爭中運用這兩種類型獲勝的可能行要更大。是否采用這兩種類型，與能否獲勝有一定的相關(guān)性。

反思

問題：在你的分析和總結(jié)過程中是否存在邏輯嚴(yán)謹(jǐn)。是否有改進(jìn)的空間? 你可以從下面的一些角度進(jìn)行思考：

數(shù)據(jù)集是否完整，包含所有想要分析的數(shù)據(jù)？

在對數(shù)據(jù)進(jìn)行處理的時候，你的操作（例如刪除/填充缺失值）是否可能影響結(jié)論？

是否還有其他變量（本數(shù)據(jù)中沒有）能夠?qū)δ愕姆治鲇袔椭?#xff1f;

在得出結(jié)論時，你是否混淆了相關(guān)性和因果性？

答案：1.現(xiàn)有數(shù)據(jù)量不是很完整。 2.由于統(tǒng)計需要，對attacker_king列中的空值進(jìn)行了2行刪除操作，對結(jié)論的影響很小。 3.在思考有戰(zhàn)爭獲勝有關(guān)的因素時，如果能再加一點天氣的因素在里邊就更完美了。 4.沒有混淆相關(guān)性與因果性，在未通過統(tǒng)計學(xué)驗證及機(jī)器學(xué)習(xí)的支持下，只能初步得出：是否采用ambusy與siege類型，與能否獲勝有一定的相關(guān)性。

恭喜你完成了此項目！這只是數(shù)據(jù)分析過程的一個樣本：從生成問題、整理數(shù)據(jù)、探索數(shù)據(jù)到得出結(jié)論。在數(shù)據(jù)分析(進(jìn)階)納米學(xué)位中，你將會學(xué)到更多高級的數(shù)據(jù)分析方法和技術(shù)，如果你感興趣的話，我們鼓勵你繼續(xù)學(xué)習(xí)后續(xù)的課程，掌握更多的數(shù)據(jù)分析的高級技能！

若想與他人分享我們的分析結(jié)果，除了向他們提供 jupyter Notebook (.ipynb) 文件的副本外，我們還可以將 Notebook 輸出導(dǎo)出為一種甚至那些未安裝 Python 的人都能打開的形式。從左上方的“文件”菜單，前往“下載為”子菜單。然后你可以選擇一個可以更普遍查看的格式，例如 HTML (.html) 。你可能需要額外軟件包或軟件來執(zhí)行這些導(dǎo)出。

總結(jié)

以上是生活随笔為你收集整理的冰与火之歌-五王之战（优达数据分析进阶项目）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。