概覽

五王之戰(zhàn)（War of the Five Kings）是著名嚴肅奇幻小說《冰與火之歌》中的著名內(nèi)戰(zhàn)。本項目使用了五王之戰(zhàn)期間的戰(zhàn)爭的數(shù)據(jù)集，它是所有戰(zhàn)斗的大集合。

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，二進制變量。 major_capture: 是否有重要人物的被捕，二進制變量。 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。

提出問題

1.戰(zhàn)役類型和攻守雙方戰(zhàn)力對比與戰(zhàn)役勝率之間的關(guān)系？

2.哪位好戰(zhàn)分子出場率最高？

數(shù)據(jù)評估和清理

# TO DO: load pacakges import numpy as np import pandas as pd import matplotlib.pyplot as plt from matplotlib import * import seaborn as sns sns.set_style("white") %matplotlib inline # TO DO: load the dataset battles=pd.read_csv('battles.csv') pd.options.display.max_columns=1000 #顯示全部列 battles.sample(5)

# TO DO: check the dataset general info battles.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 #檢查各列缺失值大概數(shù)量 battles.isnull().sum().plot(kind="barh",color='grey',figsize=(10, 6.8));

#查看戰(zhàn)爭結(jié)果缺失值行的內(nèi)容 battles[battles.attacker_outcome.isnull()]

# 檢查戰(zhàn)役是否存在重復(fù)值 battles.battle_number.is_unique True

從上面可以看出，數(shù)據(jù)集整體缺失值較多，但大部分無關(guān)緊要（如進攻方或防御方的將領(lǐng)、國王中的缺失值可以看做未參加戰(zhàn)役，可以改為計算參與人數(shù)）。根據(jù)后續(xù)分析結(jié)果再進行篩選及調(diào)整。

數(shù)據(jù)探索分析

首先開始對第一個問題進行探索哪種戰(zhàn)役類型的勝率較高？

#生成1列count用于統(tǒng)計勝率及次數(shù)，利用透視表整理戰(zhàn)役類型與勝率的關(guān)系 battles['count']=1 battletype=battles.pivot_table('count',index='battle_type',columns='attacker_outcome',aggfunc=sum,fill_value=0).reset_index() #計算勝率及失敗率 battletype['win_rate']=battletype.win/(battletype.win+battletype.loss) battletype['loss_rate']=battletype.loss/(battletype.win+battletype.loss) battletype

#繪制條形圖 p=battletype.plot.barh(x='battle_type', y=['win_rate','loss_rate'],stacked=True) _ = p.set(xticklabels = "", xlim = [0, 1], ylabel = "Battle type", xlabel = "Attacker Win Rate VS Loss Rate") plt.title('Comparison of battle winning ratio', fontsize =15) plt.legend(loc='center', bbox_to_anchor=(1, 1.1)) plt.show()

從上圖中可以看出，razing和ambush勝率驚人，雖然數(shù)據(jù)量不多，但是勝率也是高達100%，看來出奇制勝也許才是勝利的關(guān)鍵,siege并未給防守方帶來更多獲勝的機會，進攻方仍然可以達到90%勝率。除去戰(zhàn)役類型，接下來對雙方戰(zhàn)斗力進行分析。

battlesize = battles[["attacker_size", "defender_size", "attacker_outcome","count"]].dropna(axis = 0) battlesize['size_diff']=battlesize['attacker_size'] /battlesize['defender_size'] battlesize

sns.set(style="darkgrid") sns.lmplot(x='attacker_size', y='defender_size', hue = 'attacker_outcome',data = battlesize,fit_reg=False) plt.show()

import statsmodels.api as sm battlesize[['loss','win']]=pd.get_dummies(battlesize['attacker_outcome']) battlesize=battlesize.drop('loss',axis=1) battlesize['intercept']=1 logit_mod=sm.Logit(battlesize['win'],battlesize[['intercept','size_diff']]) result=logit_mod.fit() result.summary() Optimization terminated successfully.Current function value: 40.841116Iterations 6

從邏輯回歸分析的結(jié)果來看，戰(zhàn)力差距似乎對進攻方的勝率并沒有什么影響，接下來我們研究下第二個問題，到底哪個好戰(zhàn)分子出場率最高呢？

#將進攻方的國王拆分成單個字符串并加入新list kings kings=[] temp=[kings.extend(x) for x in battles.attacker_king.dropna().str.split("/")] atk_king=pd.DataFrame(kings,columns=['atk_king']) atk_king['count']=1 #統(tǒng)計進攻方國王出場率 atk=atk_king.groupby('atk_king').agg({'count':'count'}).reset_index().sort_values('count',ascending=False)[:].reset_index() from pyecharts import TreeMap #繪制矩形樹圖 data = [{"value":atk['count'][i],"name":atk['atk_king'][i]} for i in range(atk.shape[0])] treemap = TreeMap("進攻方國王出場率", width=600, height=300) treemap.add("", data, is_label_show=True, label_pos='inside') treemap.render() treemap

看來Tommen Baratheon和Joffrey經(jīng)常發(fā)動戰(zhàn)爭，瘋狂搶鏡啊

#將進攻方的指揮官拆分成單個字符串并加入新list commanders commanders=[] temp=[commanders.extend(x) for x in battles.attacker_commander.dropna().str.split(",")] atk_cmd=pd.DataFrame(commanders,columns=['atk_cmd']) atk_cmd['count']=1 atk_commander=atk_cmd.groupby('atk_cmd').agg({'count':'count'}).reset_index().sort_values('count',ascending=False)[0:50].reset_index() from pyecharts import WordCloud name = atk_commander['atk_cmd'].tolist() value = atk_commander['count'].tolist() wordcloud = WordCloud(width=1200, height=600) wordcloud.add("", name, value, word_size_range=[20, 100],shape='circle') wordcloud.render() wordcloud

Robb Stark作為進攻方的指揮官，也是參與指揮了多場戰(zhàn)役啊。

得出結(jié)論

問題：

1.戰(zhàn)役類型和攻守雙方戰(zhàn)力對比與戰(zhàn)役勝率之間的關(guān)系？

結(jié)論：針對戰(zhàn)役類型，使用詭計（ambush）和對未設(shè)防進攻（razing）獲勝的幾率較高，使用計謀和突襲可能對戰(zhàn)果會有影響；相反攻守雙方戰(zhàn)力對比卻沒發(fā)現(xiàn)有明顯影響勝率的因素，相關(guān)性不高。

2.哪位好戰(zhàn)分子出場率最高？

結(jié)論：進攻方國王Tommen Baratheon和Joffrey出場率最高，而指揮官中Robb Stark出場率最高

反思

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

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：首先數(shù)據(jù)集中缺失內(nèi)容較多，一定程度上影響了對數(shù)據(jù)的分析。由于時間有限，有些內(nèi)容未做更深入的相關(guān)性分析，可以從多個因素分析影響勝率的因素，無法給出更加準確的結(jié)論，希望經(jīng)過后面的學習，繼續(xù)完善對項目的分析。

鏈接：https://pan.baidu.com/s/1wC3K54fFk976UyH-QqWdQQ 密碼：d2gm

總結(jié)

以上是生活随笔為你收集整理的Udacity数据分析（进阶试学）-五王之战分析 - 冰与火之歌的全部內(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。