当前位置： 首页 > article >正文

Python数据可视化小项目

article 2024/12/28 12:58:46

英雄联盟S14世界赛选手数据可视化

由于本学期有一门数据可视化课程，课程结课作业要求完成一个数据可视化的小Demo，于是便有了这个小项目，课程老师要求比较简单，只要求熟练运用可视化工具展示数据，并不要求数据来源，因此这个小项目非常简单

项目简介

这是一个基于 PyEcharts 的数据可视化小项目，展示了英雄联盟 S14 世界赛选手的关键数据表现，适合作为数据可视化课程作业或兴趣项目。

项目特点：

  • 数据源权威，来源于 Kaggle。
  • 涉及多种可视化类型，包括柱状图、箱形图、雷达图等。
  • 共包含 14 个可视化图表，分布在 3 个 HTML 页面中，方便浏览与展示。

完整代码：英雄联盟S14世界赛选手数据可视化

数据来源

数据来自 Kaggle 平台的 2024 LoL Championship Player Stats & Swiss Stage。

  • 数据涵盖选手的各项核心指标，如 KDA、场均击杀、场均死亡等。
  • 细化到每分钟视野分数、野区控制等高级数据。

数据示例

TeamNamePlayerNamePositionGames…Penta KillsSolo KillsCountryFlashKeybind
Top Esports369Top8…02ChinaD
Dplus KIAaimingAdc9…02South KoreaF
MAD Lions KOIalvaroSupport5…00SpainD
………………………
LNG EsportszikaTop8…02ChinaD

效果展示

主要采用PyEcharts来完成数据可视化

数据总览

该模块主要有一个各队伍平均胜率的柱状图和全部选手的国籍分布饼图组成

在这里插入图片描述

# 计算各队伍平均胜率，并将其转换为百分数形式（乘以100并保留两位小数）
team_win_rates = df.groupby('TeamName')['Win rate'].mean().reset_index()
team_win_rates['Win rate'] = team_win_rates['Win rate'].apply(lambda x: round(x * 100, 2))
print(team_win_rates)
# 绘制柱状图
bar = Bar(
    init_opts=opts.InitOpts(width="1100px", height="500px")
)
bar.add_xaxis(team_win_rates['TeamName'].tolist())
bar.add_yaxis("平均胜率", team_win_rates['Win rate'].tolist(), category_gap="60%")
bar.set_global_opts(
    title_opts=opts.TitleOpts(title="各队伍平均胜率", subtitle=""),
    xaxis_opts=opts.AxisOpts(
        axislabel_opts=opts.LabelOpts(rotate=45)
    ),
    yaxis_opts=opts.AxisOpts(name="胜率", min_=0, max_=100),
    visualmap_opts=opts.VisualMapOpts(is_show=False, max_=100, min_=0)
)
bar.render("static/charts/team_win_rates.html")

在这里插入图片描述

# 国家分布
# 按照国家进行分组，计算每个国家的选手数量
grouped_data = df.groupby('Country').size()

# 将结果转换为 DataFrame，并命名为 'Count'
country_data = grouped_data.reset_index(name='Count')
print(country_data)
country_pie = (
    Pie(
        init_opts=opts.InitOpts(theme="macarons")
    )
    .add("", [list(z) for z in zip(country_data['Country'], country_data['Count'])])
    .set_global_opts(title_opts=opts.TitleOpts(title=""))
)
country_pie.render("static/charts/country_distribution_chart.html")

主要数据

该模块主要涉及了选手的各方位数据总览情况，能够直观的观察各方面数据突出的选手，其中包括：场均击杀、

场均KDA、场均死亡、场均助攻、辅助视野综合得分、选手平均击杀、选手闪现按键情况

在这里插入图片描述

# 场均击杀
sorted_df = df.sort_values(by='Avg kills', ascending=False)
avg_kills = sorted_df[['PlayerName', 'Avg kills']]
avg_kills_top10 = avg_kills[0:10]
print(avg_kills_top10)
# 创建Bar实例，用于构建柱状图
bar = Bar(
    init_opts=opts.InitOpts(width="600px", height="300px")
)
# 添加x轴数据，即选手姓名
bar.add_xaxis(avg_kills_top10['PlayerName'].tolist())
# 添加y轴数据，即场均击杀数，并设置系列名称为"场均击杀数"
bar.add_yaxis("场均击杀数", avg_kills_top10['Avg kills'].tolist())
# 设置全局配置项
bar.set_global_opts(
    title_opts=opts.TitleOpts(title="场均击杀榜前十"),
    xaxis_opts=opts.AxisOpts(
        axislabel_opts=opts.LabelOpts(rotate=45),  # 让x轴标签旋转45度，避免文字重叠
    ),
    yaxis_opts=opts.AxisOpts(name="场均击杀数"),  # 设置y轴名称
    visualmap_opts=opts.VisualMapOpts(is_show=False, max_=6, min_=4)
)
bar.render("static/charts/avg_kills_top10.html")

在这里插入图片描述

# KDA
kda_top10 = df.sort_values(by='KDA', ascending=False)[['PlayerName', 'KDA']][0:10]
print(kda_top10)
bar = Bar(
    init_opts=opts.InitOpts(width="600px", height="300px")
)
bar.add_xaxis(kda_top10['PlayerName'].tolist())

bar.add_yaxis('场均KDA', kda_top10['KDA'].tolist())
# 设置全局配置项
bar.set_global_opts(

    title_opts=opts.TitleOpts(title="场均KDA前十"),
    xaxis_opts=opts.AxisOpts(
        axislabel_opts=opts.LabelOpts(rotate=45),  # 让x轴标签旋转45度，避免文字重叠
    ),
    yaxis_opts=opts.AxisOpts(name="场均KDA"),  # 设置y轴名称
    visualmap_opts=opts.VisualMapOpts(is_show=False, max_=10, min_=6)
)
bar.render("static/charts/kda_top10.html")

在这里插入图片描述

# 场均死亡
deaths_top10 = df.sort_values(by='Avg deaths', ascending=False)[['PlayerName', 'Avg deaths']][0:10]
print(deaths_top10)
bar = Bar(
    init_opts=opts.InitOpts(width="600px", height="300px", theme="macarons")

)
bar.add_xaxis(deaths_top10['PlayerName'].tolist())
bar.add_yaxis('场均死亡', deaths_top10['Avg deaths'].tolist())
# 设置全局配置项
bar.set_global_opts(

    title_opts=opts.TitleOpts(title="场均死亡前十"),
    xaxis_opts=opts.AxisOpts(
        axislabel_opts=opts.LabelOpts(rotate=45),  # 让x轴标签旋转45度，避免文字重叠
    ),
    yaxis_opts=opts.AxisOpts(name="场均死亡"),  # 设置y轴名称
    visualmap_opts=opts.VisualMapOpts(is_show=False, max_=6, min_=4)
)
bar.render("static/charts/deaths_top10.html")

在这里插入图片描述

# 场均助攻
assists_top10 = df.sort_values(by='Avg assists', ascending=False)[['PlayerName', 'Avg assists']][0:10]
print(assists_top10)
bar = Bar(
    init_opts=opts.InitOpts(width="600px", height="300px", theme="macarons")
)
bar.add_xaxis(assists_top10['PlayerName'].tolist())

bar.add_yaxis('场均助攻', assists_top10['Avg assists'].tolist())

# 设置全局配置项
bar.set_global_opts(
    title_opts=opts.TitleOpts(title="场均助攻前十"),
    xaxis_opts=opts.AxisOpts(
        axislabel_opts=opts.LabelOpts(rotate=45),  # 让x轴标签旋转45度，避免文字重叠
    ),
    yaxis_opts=opts.AxisOpts(name="场均助攻"),  # 设置y轴名称
    visualmap_opts=opts.VisualMapOpts(is_show=False, max_=13, min_=10)
)
bar.render("static/charts/assists_top10.html")

其中每分钟视野分数(VSPM)、每分钟赢得的野区分数(每分钟赢得的野区分数)、每分钟控制野区分数(Avg WCPM)、每分钟视野控制分数(Avg VWPM)各自的权重为1，可自行更改

在这里插入图片描述

# 辅助野区视野排行
df['custom_sort'] = df['VSPM'] * 25 + df['Avg WPM'] * 25 + df['Avg WCPM'] * 25 + df['Avg VWPM'] * 25
support_top_10 = df.sort_values(by='custom_sort', ascending=False)[
                     ['PlayerName', 'VSPM', 'Avg WPM', 'Avg WCPM', 'Avg VWPM', 'custom_sort']][0:10]
print(support_top_10)
# 创建堆叠柱状图
bar_stacked = Bar(
    init_opts=opts.InitOpts(width="1000px", height="400px", theme='macarons')
)
# 添加 X 轴数据（选手名字）
bar_stacked.add_xaxis(support_top_10['PlayerName'].tolist())
# 添加堆叠柱状图的每一项数据
bar_stacked.add_yaxis("每分钟视野分数", support_top_10['VSPM'].tolist(), stack="stack1")
bar_stacked.add_yaxis("每分钟赢得的野区分数", support_top_10['Avg WPM'].tolist(), stack="stack1")
bar_stacked.add_yaxis("每分钟控制野区分数", support_top_10['Avg WCPM'].tolist(), stack="stack1")
bar_stacked.add_yaxis("每分钟视野控制分数", support_top_10['Avg VWPM'].tolist(), stack="stack1")
# 设置全局配置
bar_stacked.set_global_opts(
    title_opts=opts.TitleOpts(title="辅助野区视野排行"),
    yaxis_opts=opts.AxisOpts(name=""),
    xaxis_opts=opts.AxisOpts(name="选手"),
    legend_opts=opts.LegendOpts(pos_left="right", orient="vertical"),  # 设置图例在左侧
)
# 渲染图表到 HTML 文件
bar_stacked.render("static/charts/support_top_10.html")

各位置场均击杀箱形图：

在这里插入图片描述

# 准备箱线图数据
data = [df[df['Position'] == pos]['Avg kills'].tolist() for pos in df['Position'].unique()]
print(data)
boxplot = Boxplot(
    init_opts=opts.InitOpts(width="600px", height="400px")
)
boxplot.add_xaxis(df['Position'].unique().tolist())
boxplot.add_yaxis("平均击杀数", boxplot.prepare_data(data), itemstyle_opts=opts.ItemStyleOpts(color="black"))
boxplot.set_global_opts(
    title_opts=opts.TitleOpts(title="不同位置选手平均击杀数分布"),
    xaxis_opts=opts.AxisOpts(
        axislabel_opts=opts.LabelOpts(rotate=45)  # 此处也是修改为axislabel_opts
    ),
    yaxis_opts=opts.AxisOpts(name="平均击杀数")
)
boxplot.render("static/charts/avg_kills_distribution.html")

在这里插入图片描述

# 闪现数据
flash = df.groupby('FlashKeybind').size()
flash_data = flash.reset_index(name='flash_group')
创建饼图
pie = Pie(
    init_opts=opts.InitOpts(width="400px", height="400px")
)
# 添加数据，设置标签格式
pie.add(
    "闪现按键使用情况",
    [list(z) for z in zip(flash_data['FlashKeybind'].tolist(), flash_data['flash_group'].tolist())],
    radius=["30%", "60%"],
    label_opts=opts.LabelOpts(formatter="{b}")
)
# 设置标题
pie.set_global_opts(title_opts=opts.TitleOpts(title="闪现按键"))

# 渲染到本地文件
pie.render("static/charts/flash.html")

我的主队

由于作者喜欢TheShy选手，所以主队是WBG，但是此次世界赛TheShy选手选择了休息，但是也没有新的主队会，所以主队依然是WBG

共有五个选手的雷达图

六大维度：

  • KDA
  • KP% (击杀参与率)
  • CSPerMin (每分钟补刀数)
  • GoldPerMin (每分钟经济)
  • DPM (每分钟伤害)
  • VSPM (每分钟视野分数)

在这里插入图片描述

在这里插入图片描述

# 获取选手雷达图的数据
def get_player_render_data(player_name, file_name):
    player_data = df[df['PlayerName'] == player_name][['KDA', 'KP%', 'CSPerMin', 'GoldPerMin', 'DPM', 'VSPM']].iloc[0]
    print(player_data)
    # 雷达图的维度
    attributes = ['KDA', 'KP%', 'CSPerMin', 'GoldPerMin', 'DPM', 'VSPM']
    values = player_data.tolist()
    # 配置雷达图we
    radar = Radar(
        init_opts=opts.InitOpts(width="350px", height="350px")
    )
    # 定义雷达图的每个维度
    radar.add_schema(
        schema=[
            opts.RadarIndicatorItem(name='KDA', max_=10),
            opts.RadarIndicatorItem(name='击杀参与率', max_=1),
            opts.RadarIndicatorItem(name='每分钟补兵', max_=10),
            opts.RadarIndicatorItem(name='分钟收入金币', max_=500),
            opts.RadarIndicatorItem(name='分钟伤害', max_=800),
            opts.RadarIndicatorItem(name='分钟视野分', max_=5)
        ]
    )
    # 添加数据系列，并设置图例
    radar.add(
        player_name,
        [values],
        color="blue"
    )
    # 设置全局选项
    radar.set_global_opts(
        title_opts=opts.TitleOpts(title=player_name),
        legend_opts=opts.LegendOpts(is_show=True, orient="vertical", pos_left="right")
    )

    radar.render(file_name)
# 我的主队
get_player_render_data('crisp', 'static/charts/crisp_render_data.html')
get_player_render_data('light', 'static/charts/light_render_data.html')
get_player_render_data('xiaohu', 'static/charts/xiaohu_render_data.html')
get_player_render_data('tarzan', 'static/charts/tarzan_render_data.html')
get_player_render_data('breathe', 'static/charts/breathe_render_data.html')

整体效果

整体效果就是将各个图表集中到了一起，加了一些样式，以一个静态网站来展示

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

完整效果请访问index.html 页面


http://www.kler.cn/a/454974.html

相关文章：

  • LeetCode-最长回文子串（005）
  • Vscode + gdbserver远程调试开发板指南:
  • 如何为运行在 PICO 4 Ultra 设备上的项目设置外部文件读写权限？
  • YashanDB 23.2 YAC -单库多实例架构多活共享集群安装部署指南
  • 基于STM32单片机矿井矿工作业安全监测设计
  • 大模型应用技术系列(三): 深入理解大模型应用中的Cache：GPTCache
  • 【Redis】Redis 安装与启动
  • Go 计算Utf8字符串的长度 不要超过mysql字段的最大长度
  • springboot502基于WEB的牙科诊所管理系统(论文+源码)_kaic
  • Linux知识点回顾(期末提分篇)
  • 文档大师：打造一站式 Word 报告解决方案1
  • Java实现观察者模式
  • 同步与异步日志系统的深入探讨与应用
  • 箭头函数与普通函数的区别
  • 使用 .NET 6 或 .NET 8 上传大文件
  • 【远程桌面】被窥屏
  • selenium浏览器下载汇总
  • 详解从输入url到页面渲染
  • 抖音短视频矩阵系统：开启短视频创作与营销新篇
  • webrtc-internals调试工具
  • Overleaf中设置表格中的字体为Times New Roman
  • 如何通过 360 驱动大师检查自己电脑上的显卡信息
  • 【速成51单片机】1.已经学过stm32如何快速入门51单片机——软件下载与安装
  • Flutter适配HarmonyOS实践
  • AndroidStudio/IDEA类名前面为什么有数字(书签功能)
  • Kotlin 协程基础知识总结二 —— 启动与取消