利用python分析权力的游戏五王之战数据

Posted 2020-11-09 人走茶会凉

本身是个美剧迷，其中权力的游戏是我最爱的美剧之一，所以我通过kaggle下载了数据集并进行分析。数据名称解释如下：

name: 战争的名称，字符变量。
year: 战争发生的年份，数值变量。
battle_number: 本数据中的unique id，对应每一场独立的战役，数值变量。
attacker_king: 攻击方的国王，"/"表示了国王的更换。例如："Joffrey/Tommen Baratheon"意味着Tomen Baratheon继承了Joffrey的王位，分类变量。
defender_king: 防守方的国王，分类变量。
attacker_1: 攻击方将领，字符变量。
attacker_2: 攻击方将领，字符变量。
attacker_3: 攻击方将领，字符变量。
attacker_4: 攻击方将领，字符变量。
defender_1: 防守方将领，字符变量。
defender_2: 防守方将领，字符变量。
defender_3: 防守方将领，字符变量。
defender_4: 防守方将领，字符变量。
attacker_outcome: 从攻击方角度来看的战争结果，分别有：win, loss, draw，分类变量。
battle_type: 战争的类别。pitched_battle: 双方军队在一个地点相遇并战斗，这也是最基本的战争类别；ambush: 以隐身或诡计为主要攻击手段的战争；siege: 阵地战；razing: 对未设防位置的攻击。分类变量。
major_death: 是否有重要人物的死亡，二进制变量。
major_capture: 是否有重要人物的被捕，二进制变量。
attacker_size: 攻击方力量的大小，并未对骑兵、步兵等士兵种类有所区分，数值变量。
defender_size: 防守方力量的大小，并未对骑兵、步兵等士兵种类有所区分，数值变量。
attacker_commander: 攻击方的主要指挥官。指挥官的名字中并没有包含头衔，不同的指挥官名字用逗号隔开，字符变量。
defender_commander: 防守方的主要指挥官。指挥官的名字中并没有包含头衔，不同的指挥官名字用逗号隔开，字符变量。
summer: 战争是否发生于夏天，二进制变量。
location: 战争发生的地点，字符变量。
region: 战争发生的地域，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，分类变量。
note: 注释，字符变量。

首先我们先提出问题：

1.每个国王攻击方式

2.每年死亡或被俘的重要人物

3.每个区域死亡或被俘的重要人物人数

4.战争结果是否与兵力多少有关系

1 导入包

# TO DO: load pacakges
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

1 收集数据

# TO DO: load the dataset
df = pd.read_csv(\'battles.csv\')
df.columns

1.1 查看数据类型

df.info()

df.describe()

收集和查看完数据，我们要对数据进行整理了

二 数据整理

2.1 首先备份数据

# 备份

df1 = df.copy()

通过观察数据我们发现以下错误：
质量错误：

1.defender3 and defender4 都是 NaN，并且他们的类型为float。

2.部分数据丢失，解决丢失问题。

3. year与battle_number 类型错误

# 去除\'attacker_2\', \'attacker_3\', \'attacker_4\', \'defender_2\', \'defender_3\', \'defender_4\', \'note\'列
data_game_clean = data_game_clean.drop([\'attacker_2\', \'attacker_3\', \'attacker_4\', \'defender_2\', \'defender_3\', \'defender_4\', \'note\'], axis=1)

data_game_clean[\'attacker_king\'] = data_game_clean[\'attacker_king\'].astype(\'category\')
data_game_clean[\'defender_king\'] = data_game_clean[\'defender_king\'].astype(\'category\')
data_game_clean[\'battle_type\'] = data_game_clean[\'battle_type\'].astype(\'category\')
data_game_clean[\'region\'] = data_game_clean[\'region\'].astype(\'category\')

# year与battle_number 类型错误，需要把int转换成object
data_game_clean[\'year\'] = data_game_clean[\'year\'].astype(\'object\')
data_game_clean[\'battle_number\'] = data_game_clean[\'battle_number\'].astype(\'object\')

# 检查是否有重复值
sum(data_game_clean.duplicated())

 查看结果

data_game_clean.attacker_outcome.head()

 

# 检查是否有重复值
sum(df1.duplicated())

 

 

数据探索分析

每个国王攻击次数

data_game_clean[\'attacker_king\'].value_counts().plot(kind=\'barh\',rot=45)
plt.show()

从图中看出第一的是Joffrey/Tommen Baratheon作为进攻方进行了14场战斗，主要原因是各个领主不承认Joffrey的合法地位，因为Joffrey是瑟曦和他弟弟的孩子，身体中淌着兰尼斯特家族的血，为了让各领主承认其合法地位，所以进行了大量战斗。第二个是Robb Stark，因为其父亲被害开始复仇之战。

每个国王攻击方式

sns.set(style="darkgrid")
sns.countplot(y=\'battle_type\', hue=\'attacker_king\', data = df1)
plt.legend(bbox_to_anchor=(1.05, 1))
plt.show()

这场战斗分为四种类型，分别为遭遇战、伏击战、围城战、razing(不懂这个意思)，可以看出Joffrey/Tommen Baratheon的14场战争中有6场遭遇战、3场伏击战和5场围城战，而史塔克是10场战争中有5场伏击战和3场遭遇战和2场围城战，能够看出Joffrey/Tommen Baratheon更喜欢遭遇战，而史塔克更喜欢伏击战。还能够看出只有Stannis Baratheon进行过razing。

每个区域死亡或被俘的重要人物人数

#去除major_death major_capture的空值
df0 = data_game_clean.dropna(subset = [\'major_death\', \'major_capture\'])
#给每个区域分组并计算major_death major_capture的和
data = df0.groupby(\'region\').sum()[[\'major_death\', \'major_capture\']]
data

#将region计数，并转化为表格与data合并
p = pd.concat([data, df0.region.value_counts().to_frame()], axis = 1)

#排序
p = p.sort_values(\'region\', ascending = False)

#作图
p.plot.barh()
plt.xlabel(\'count\')
plt.title(\'attacker_outcome_size\')

可以看出在The Riverlands发生的战争最多，死亡和被俘的人物也最多，而血色婚礼也发生在此，史塔克家族在这里伤亡惨重。北境虽然发生的战争多，但死亡的重要人物少。

战争结果是否与兵力多少有关系

# 去除\'attacker_size\', \'defender_size\',\'attacker_outcome\'3列空值
df2 = data_game_clean.dropna(subset = [\'attacker_size\', \'defender_size\',\'attacker_outcome\'])
# 计算进攻与防御的兵力差值
df3 = df2.attacker_size - df2.defender_size
#将其转化为dataframe
df3 = df3.to_frame(name=\'size\')
#将这一列合并至df1表格中
result = pd.concat([df2,df3],join=\'outer\',axis=1)
result.info()

 

sns.lmplot(x = \'attacker_size\', y = \'defender_size\', hue=\'attacker_outcome\', fit_reg=False,data = data_game)

战争结果是否与兵力多少没有关系，只有2场战争是在兵力取得优势的情况下胜利的，其他都是以少胜多，因为战争有很多不可预测性，不是人多就能打赢战争的。

 

attackers = df_data_game_clean.attacker_king.map(lambda x:str(x).split(","))
empty_array = []
for i in attackers:
    empty_array = np.append(empty_array, i)

 

from wordcloud import WordCloud
cloud = WordCloud(width=1440, height=1080, relative_scaling=0.5, stopwords=[\'battle\']).generate(" ".join(empty_array))
plt.figure(figsize=(20, 15))
plt.imshow(cloud)
plt.axis(\'off\')
plt.show()

 

 可以看到offrey/Tommen Baratheon被提及的更多，而Euron Greyjoy被提及的最少。

得出结论

结论：

1.每个国王攻击方式：可以看出Joffrey/Tommen Baratheon的14场战争中有6场遭遇战、3场伏击战和5场围城战，而史塔克是10场战争中有5场伏击战和3场遭遇战和2场围城战，能够看出Joffrey/Tommen Baratheon更喜欢遭遇战，而史塔克更喜欢伏击战。还能够看出只有Stannis Baratheon进行过razing。

2.每年死亡或被俘的重要人物：299年发生的战争被俘和死亡的重要人物最多，可能和发生的战争次数有关，因为299年发生的战争次数最多。

3.每个区域死亡或被俘的重要人物人数：可以看出在The Riverlands发生的战争最多，死亡和被俘的人物也最多，而血色婚礼也发生在此，史塔克家族在这里伤亡惨重。北境虽然发生的战争多，但死亡的重要人物少。

4.战争结果是否与兵力多少有关系:战争结果是否与兵力多少没有关系，只有2场战争是在兵力取得优势的情况下胜利的，其他都是以少胜多，因为战争有很多不可预测性，不是人多就能打赢战争的。

5.可以看到offrey/Tommen Baratheon被提及的更多，而Euron Greyjoy被提及的最少。