PUBG Dataset EDA

簡介

本項目對絕地求生玩家比賽記錄數據集進行分析，主要為數據探索（EDA），基本無建模過程。使用的數據集來自Kaggle，下載地址給出。

環境配置

基于Python3，需要的第三方包在requirements.txt給出。

數據獲取

根據上面的鏈接即可下載數據集，數據量較大，習慣NoteBook的可以直接在Kaggle Kernel上運行，具體操作見之前博客。

數據集下載解壓后得到如下四個文件。

• erangel.png
  • 絕地海島艾倫格地圖（便于Kaggle玩家熱點圖繪制）
• mirangel.jpg
  • 熱情沙漠米拉瑪地圖（便于Kaggle玩家熱點圖繪制）
  • 雨林地圖沒有數據（em，，，我也是玩過的人）
• aggregate.zip
  • 玩家比賽統計數據
• deaths.zip
  • 玩家被擊殺數據
  • 本次分析會設計到上述的兩類數據。（由于數據量大，原數據集數據量切分為多個部分，對兩類數據只分析第一部分即agg_match_stats_0.csv和kill_match_stats_final_0.csv）

對數據集中的數據文件進行初步探索，顯示大致文件分布內容如下。

數據探索分析（EDA）

csv文件屬性列出如下。

• agg_match_stats_i.csv文件屬性（按照csv文件表頭順序）
  • date：對局時間
  • game_size：游戲規模（隊伍數量）
  • match_id：對局id
  • match_mode：對局模式（第一人稱還是第三人稱）
  • party_size：組隊模式（單人賽、雙人賽、四人賽）
  • player_assists：助攻次數
  • player_dbno：擊倒人數
  • player_dist_ride：載具移動距離
  • player_dist_walk：行走距離
  • player_dmg：傷害數值
  • player_kills：擊殺人數
  • player_name：玩家名稱
  • player_survive_time：玩家生存時間
  • team_id：隊伍id
  • team_placement：隊伍排名
• kill_match_stats_final_i.csv文件屬性
  • killed_by：死亡方式
  • killer_name：擊殺者名字
  • killer_placement：擊殺者排名
  • killer_position_x：擊殺者位置x坐標
  • killer_position_y：擊殺者位置y坐標
  • map：地圖
  • match_id：比賽id
  • time：存活時間
  • victim_name：被擊殺者名字
  • victim_placement：被擊殺者排名
  • victim_position_x：被擊殺者位置x坐標
  • victim_position_y：被擊殺者位置y坐標

簡單進行數據展示如下。

• 共有13849287條記錄。
• 共有13426348條記錄。

空值

對空值記錄查看，其中20249存在空值，均為玩家名稱，不影響建模。

df_data_aggregate[df_data_aggregate.isnull().values == True].drop_duplicates() df_data_deaths[df_data_deaths.isnull().values == True].drop_duplicates()

使用下述代碼對空值記錄刪除。

df_data_aggregate.drop_duplicates(inplace=True) df_data_deaths.drop_duplicates(inplace=True)

屬性構造

補充吃雞列，并顯示擊殺數與吃雞概率的關系。

plt.figure(figsize=(20, 8)) plt.subplot(1, 2, 1) # 剔除擊殺數不合理的玩家 df_data_aggregate.loc[df_data_aggregate['player_kills'] < 50, ['player_kills', 'won']].groupby('player_kills')['won'].mean().plot() plt.xlabel('kill number') plt.ylabel("probability of No1") plt.subplot(1, 2, 2) df_data_aggregate.loc[df_data_aggregate['player_kills'] < 50, ['player_kills', 'won']].groupby('player_kills')['won'].mean().plot.bar() plt.xlabel('kill number') plt.ylabel("probability of No1")

探索分析

查看不同模式吃雞率。各模式吃雞率還是比較接近的，這說明這個游戲幾種模式設計都是比較合理的。

v = df_data_aggregate.groupby('party_size')['player_kills'].mean() plt.bar(v.index, v.values) for x, y in zip(v.index, v.values):plt.text(x, y, "{:.2f}".format(y)) plt.show()

查看載具移動距離與吃雞率。（嗯，不是在吃雞，就是在吃雞的路上。）

df_ride = df_data_aggregate.loc[df_data_aggregate['player_dist_ride']<20000, ['player_dist_ride', 'won']] labels=["0k-1k", "1k-2k", "2k-3k", "3k-4k","4k-5k", "5k-6k", "6k-7k", "7k-8k", "8k-9k", "9k-10k"] df_ride['drive'] = pd.cut(df_ride['player_dist_ride'], 10, labels=labels) df_ride.groupby('drive').won.mean().plot.bar(rot=45, figsize=(12, 8)) plt.xlabel("drive dis") plt.ylabel("prop of No1")

對玩家死亡數據集的初探。

落地成盒在哪里，統計存活時間段的玩家的死亡地點。

其他如最后毒圈縮在哪里，思路類似。

補充說明

EDA思路參考“Alfred數據室”，代碼實現不同。具體數據集地址給出（20G），不可能上傳，故Github只有背景圖與NoteBook文件。具體代碼見我的Github，歡迎star或者fork。

總結

以上是生活随笔為你收集整理的数据分析实战-PUBG数据集EDA的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。