一、项目概览

此次项目数据来源于玩家电竞，是国内知名的电竞数据网站，包含LPL春季赛到2020年3月15号为止的比赛数据。链接：https://www.wanplus.com/lol/teamstats分析目的

对比分析各战队的各项数据，得出影响胜率的主要因素。

二、理解数据

利用requests包，fake_useragent包，json包，xlwx包www.wanplus.com/lol/teamstats 爬取3月15日的比赛数据，输出整理后如下如图：

美化：

列属性分别为：

A列：名次，LPL参赛队伍排名

B列：战队，LPL参赛队伍名次

C列：KDA，是杀人(Kill)死亡(Death)助攻(Assist)按照一定比率来算的一个数值

D列：场均击杀，每场击杀对手英雄的数量

E列：场均死亡，每场被对手击杀的次数

F列：每分钟伤害，平均每分钟对对手造成的伤害

G列：一血率，游戏中拿一血的占比

H列：场均时长，每场游戏的时间

I列：场均经济，每场游戏的经济

J列：每分钟经济，平均每分钟的经济

K列：每分钟补刀，补刀是指英雄在敌方小兵在残血剩最后一下攻击就死亡的情况下，利用自身的普攻或者技能伤害来收取这个小兵的人头然后获取经验和金币。

L列：场均小龙，平均每场控制小龙的数量

M列：小龙控制率，控制游戏中的小龙的频率

N列：场均大龙，平均每场控制大龙的数量

O列：大龙控制率，控制游戏中的大龙的频率

P列：每分钟插眼，插眼就是可以把眼放在一片战争迷雾，可以短时间内看到那片区域的动

Q列：每分钟排眼，排眼就是利用道具可以看到对方插的眼，然后可以进行排除。

R列：排眼效率，排除对手插的眼的效率

S列：场均推塔数，平均每场推掉对手的塔数

T列：场均被推塔数，平均每场被对手推掉的塔数

U列：胜场，胜利的场次

V列：负场，失败的场次

三、数据清洗

1、缺失值处理

无缺失值

2、异常值处理

无异常值

3、数据类型转换

将数值有百分比形式转换为浮点数形式，便于后续的计算和比较

备注：G列的一血率，M列的小龙控制率，O列的大龙控制率，R列的排眼效率

将时间数据由字符型数据转换成以秒为单位的数值型数据

备注：H列的场均时长

数据转换前：

数据转换后：

4、数据归一化

数据归一化的概念

数据标准化(归一化)处理是数据挖掘的一项基础工作，不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，以解决数据指标之间的可比性。原始数据经过数据标准化处理后，各指标处于同一数量级，适合进行综合对比评价。

数据归一化的方法

min-max标准化(Min-Max Normalization)

也称为离差标准化，是对原始数据的线性变换，使结果值映射到[0 - 1]之间。转换函数如下：

其中max为样本数据的最大值，min为样本数据的最小值。这种方法有个缺陷就是当有新数据加入时，可能导致max和min的变化，需要重新定义。

Z-score标准化方法

这种方法给予原始数据的均值(mean)和标准差(standard deviation)进行数据的标准化。经过处理的数据符合标准正态分布，即均值为0，标准差为1，转化函数为：

其中

为所有样本数据的均值，

为所有样本数据的标准差。

本分析的数据归一化

备注：采用min-max标准化方法对除列名词，B列战队外的列进行归一化

归一化前：

归一化后：

四、数据分析

1、对比分析

为了更好地直观地对比各个战队在不同游戏指标中的情况，我们绘制了柱状图，曲线图和散点图。

KDA对比分析

横坐标为不同战队的排名，纵坐标为战队的各自KDA

从KDA的对比图中，我们可以直观地看到前两名战队的实力均匀，第5名至10名的实力均匀，第12名至第16名的实力均匀

场均击杀对比分析

横坐标为不同战队的排名，纵坐标为战队各自的场均击杀

结合KDA对比图，我们发现在实力均匀的队伍中，场均击杀数量并不一定与队伍的KDA成正比，而在实力具有明显差异的队伍中，场均击杀数量则能在一定程度反映问题。

场均死亡对比分析

横坐标为不同战队的排名，纵坐标为战队各自的场均死亡

由场均死亡对比图中，我们可以直观地发现，排名越好的队伍，其场均死亡次数越少，但是在排名相对靠后中，则并不一定。

在每分钟伤害的对比图中，我们可以看到，每分钟伤害值越高的队伍并不一定名次越好，但排名最差的队伍其每分钟伤害值最低。

一血率对比分析

横坐标为不同战队的排名，纵坐标为战队各自的一血率

从一血率的对比图中，我们可以直观感觉到一血率并不是最重要的，其与队伍的KDA和名次并没有任何直接明显的关系。

场均时长对比分析

横坐标为不同战队的排名，纵坐标为战队各自的场均时长

根据场均时长的对比图，我们可以得知，除了排名第一的队伍，其他队伍的场均时长均差不多，说明比赛队伍的赛事激烈程度相对均匀。

场均经济对比分析

横坐标为不同战队的排名，纵坐标为战队各自的场均经济

从场均经济的对比图中，我们可以隐约发现，队伍的排名与场均经济存在递增关系，排名最高的队伍其场均经济也是第一，而排名最差的队伍，其场均经济也是倒数。

每分钟经济对比分析

横坐标为不同战队的排名，纵坐标为战队各自的每分钟经济

根据每分钟经济的对比图，我们可以直观发现，除了最好和最差的队伍与其每分钟经济存在较强的正相关，其他队伍并没有这样的关系。也就是说每分钟经济，除了在最好或最差的情况下，会严重影响队伍的KDA，其他情况则影响有限。

每分钟补刀对比分析

横坐标为不同战队的排名，纵坐标为战队各自的每分钟补刀

根据每分钟补刀的对比图，我们可以发现其每分钟补刀的数值与队伍的排名没有明显的规律或关联。

场均小龙对比分析

横坐标为不同战队的排名，纵坐标为战队各自的场均小龙

根据场均小龙的对比图，我们可以直观发现，除了最好和最差的队伍与其场均小龙存在较强的正相关，其他队伍并没有这样的关系。也就是说场均小龙，除了在最好或最差的情况下，会严重影响队伍的KDA，其他情况则影响有限。

场均大龙对比分析

横坐标为不同战队的排名，纵坐标为战队各自的场均大龙

根据场均大龙的对比图，我们可以直观发现，除了最好和最差的队伍与其场均大龙存在较强的正相关，其他队伍并没有这样的关系。也就是说场均大龙，除了在最好或最差的情况下，会严重影响队伍的KDA，其他情况则影响有限。

大龙控制率对比分析

横坐标为不同战队的排名，纵坐标为战队各自的大龙控制率

根据场均大龙控制率的对比图，我们可以直观发现，除了最好和最差的队伍与其场均大龙存在较强的正相关，其他队伍并没有这样的关系。也就是说场均大龙控制率，除了在最好或最差的情况下，会严重影响队伍的KDA，其他情况则影响有限。

每分钟插眼对比分析

横坐标为不同战队的排名，纵坐标为战队各自的每分钟插眼

从每分钟插眼的对比图中，我们可以发现，最好的队伍往往很重视每分钟插眼，而最差的队伍也往往会忽视每分钟插眼。

每分钟排眼对比分析

横坐标为不同战队的排名，纵坐标为战队各自的每分钟排眼

从每分钟排眼的对比图中，我们发现，排名最好与最差的队伍，其每分钟排眼也处于最好和最差。

排眼效率对比分析

横坐标为不同战队的排名，纵坐标为战队各自的排眼效率

结合KDA的对比图和排眼效率的对比图，我们发现，排眼效率与KDA存在线性相关关系。

场均推塔数对比分析

横坐标为不同战队的排名，纵坐标为战队各自的场均推塔数

从场均推搭数的对比图中，我们发现，排名相对靠前的队伍往往推搭的效率和数量较高，而排名靠后的队伍其推搭的表现则不尽如人意。

场均被推塔数对比分析

横坐标为不同战队的排名，纵坐标为战队各自的场均被推塔数

从场均被推搭数的对比图中，我们发现队伍的场均被推塔数与其排名存在较强的负相关关系。

胜场对比分析

横坐标为不同战队的排名，纵坐标为战队各自的胜场

从胜场的对比图中，我们发现排名靠前的队伍其胜场次数也相对靠前，排名靠后的队伍其胜场次数也相对落后，但胜场次数与排名并不存在一一对应关系，胜场次数高并不代表其排名就好。

负场对比分析

横坐标为不同战队的排名，纵坐标为战队各自的负场

从负场的对比图中，我们可以得知，排名靠前的队伍其负场次数一定少，但反之并不成立。

2、特征相关性分析

为了更好地探索比赛队伍各项游戏指标之间的内生关系，我们进行了相关分析。相关分析是研究两个或两个以上处于同等地位的随机变量间的相关关系的统计分析方法。常见的相关分析方法如下：

一 、皮尔逊相关性

在统计学中，皮尔逊相关系数( Pearson correlation coefficient)，又称皮尔逊积矩相关系数(Pearson product-moment correlation coefficient，简称 PPMCC或PCCs)，是用于度量两个变量X和Y之间的相关(线性相关)，其值介于-1与1之间。

二、肯德尔相关性(kendall)

Kendall(肯德尔)系数的定义：n个同类的统计对象按特定属性排序，其他属性通常是乱序的。同序对(concordant pairs)和异序对(discordant pairs)之差与总对数(n*(n-1)/2)的比值定义为Kendall(肯德尔)系数。

三、斯皮尔曼相关性(spearman)

两个变量的依赖性的 非参数 指标。 它利用单调方程评价两个统计变量的相关性。 如果数据中没有重复值， 并且当两个变量完全单调相关时，斯皮尔曼相关系数则为+1或−1。

在我们的分析中，我们采用皮尔逊相关性分析方法，其具体的公式为：

两个变量之间的皮尔逊相关系数定义为两个变量之间的协方差和标准差的商：

上式定义了总体相关系数，常用希腊小写字母

作为代表符号。估算样本的协方差和标准差，可得到皮尔逊相关系数，常用英文小写字母

代表：

亦可由

样本点的标准分数均值估计，得到与上式等价的表达式：

其中

和

和

分别是对

样本的标准分数、样本平均值和样本标准差。

分析结果如下：

根据相关分析的结果表，我们得知队伍的KDA与场均击杀，场均经济，每分钟经济，场均小龙，大龙控制率，场均大龙，大龙控制率2，场均推塔数存在较强的正相关关系，其相关值均超过0.7，而队伍的KDA则与场均死亡，场均被推塔数存在较强的负相关关系，其相关的绝对值均超过0.7，而每分钟伤害，一血率，场均时长，每分钟补刀则与队伍的KDA没有明显的相关性。

3、关键指标分析

为了更直观地感受各个参赛队伍各项指标的差异，我们选取了FPX，RNG，IG三支强队的比赛数据 ，同时选取关键指标场均小龙，每分钟经济，每分钟伤害，大龙控制率，场均推塔数等作为我们雷达图的分析维度。从雷达图中，我们可以发现，去年冠军FPX的各项指标都十分优良，而次之的RNG队伍，在场均小龙，大龙控制率方面则与强队不分伯仲，在每分钟伤害指标方面更比FPX略高一筹。至于IG则各项指标均处于劣势，其中每分钟伤害更被强队和次之的队伍远远甩开。(FPX牛逼)

4、回归预测

因变量定义

根据LPL的比赛规则，队伍的名次由队伍的积分决定，而队伍的积分则与队伍的胜率存在一致性。为了更好地分析影响队伍胜败的关键因素，从而实现更好的提高赛事质量，我们将进行预测分析，预测参赛队伍的胜率。因此胜率作为预测模型的因变量(预测结果)，其中，胜率= 胜场/(胜场+负场)

自变量定义

在原始的数据中，由于名次，KDA，胜场，负场与赛事的结果直接相关，因此不能作为影响胜率的内在变量，而战队与赛事无关，因此也被排除在外。剩下的'场均击杀', '场均死亡', '每分钟伤害', '一血率', '场均时长', '场均经济', '每分钟经济','每分钟补刀', '场均小龙', '大龙控制率', '场均大龙', '大龙控制率.1', '每分钟插眼', '每分钟排眼', '排眼效率','场均推塔数', '场均被推塔数'则作为预测模型的自变量(输入特征)。

数据拆分

由于原始数据仅有完整的一轮数据，缺乏完整的多轮比赛数据。因此，我们只能在数据重复使用，既作为训练数据，同时又作为测试数据。虽然，数据重复使用，会导致模型过拟合，但这并不妨碍我们分析影响预测结果的关键因素，同时也不影响我们对比不同模型在使用相同训练数据和测试数据的情况下各自的性能。

模型说明

线性回归模型-OLS

线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。其表达形式为y = w'x+e，e为误差服从均值为0的正态分布。

非线性回归模型-LASSO

LASSO是由1996年Robert Tibshirani首次提出，全称Least absolute shrinkage and selection operator。该方法是一种压缩估计。它通过构造一个惩罚函数得到一个较为精炼的模型，使得它压缩一些回归系数，即强制系数绝对值之和小于某个固定值；同时设定一些回归系数为零。因此保留了子集收缩的优点，是一种处理具有复共线性数据的有偏估计。

机器学习回归模型-Random Forest

决策树+bagging=随机森林，随机森林是一种比较新的机器学习模型(非线性基于树的模型)集成学习方法。上世纪八十年代Breiman等人发明分类树算法，通过反复二分数据进行分类或回归，计算量大大降低，2001年Breiman把分类树组合成随机森林，即在变量(列)的使用和数据(行)的使用上进行随机化，生成很多分类树，再汇总分类树结果。随机森林在运算量没有显著提高前提下提高了预测精度，随机森林对多元共线性不敏感，结果对缺失数据和非平衡数据比较稳健，可以很好地预测多达几千个解释变量的作用，被誉为当前最好算法之一

随机森林是集群分类模型中的一种，随机森林是用随机的方式建立一个森林，森林由很多的决策树组成，且每一棵决策树之间是没有关联的。得到随机森林模型后，当新样本进入时随机森林中的每一棵决策树分别进行判断，bagging集合策略比较简单，对于分类问题通常使用投票法，得到最多票数类别或者类别之一为最终模型输出。对于回归通常使用简单平均法，T个弱学习器得到的回归结果进行算术平均即最终模型输出。

指标说明

我们通常会用MSE，RMSE，MAE、R-Squared评价回归模型的预测效果。

一SSE(和方差)

该统计参数计算的是拟合数据和原始数据对应点的误差的平方和，计算公式如下

SSE越接近于0，说明模型选择和拟合更好，数据预测也越成功。

二MSE(均方差)

该统计参数是预测数据和原始数据对应点误差的平方和的均值，也就是SSE/n，和SSE没有太大的区别，计算公式如下

三RMSE(均方根)

该统计参数，也叫回归系统的拟合标准差，是MSE的平方根，就算公式如下

四R-square(确定系数)

(1)SSR：Sum of squares of the regression，即预测数据与原始数据均值之差的平方和，公式如下

(2)SST：Total sum of squares，即原始数据和均值之差的平方和，公式如下

其实“确定系数”是通过数据的变化来表征一个拟合的好坏。

五MAE平均绝对误差

是绝对误差的平均值。可以更好地反映预测值误差的实际情况。

结果展示

1，模型的MSE、RMSE、MAE和R-Square：

根据模型的MSE，RMSE，MAE和R-Square，我们可以得知线性模型的拟合效果最好。虽然，这样的结果与我们一开始认为的非线性模型和机器学习模型这样更复杂的模型更能挖掘和发现数据背后潜藏的复杂规律，然而考虑到我们的数据样本有限，而高阶复杂的回归模型需要更多的样本量才可以充分发挥潜能，我们也就能理解为什么简单的最小二乘法在预测胜率方面具有良好的效果。

2，OLS模型各项因变量的系数：

从中，我们得知在预测胜率方面，场均击杀，场均死亡，场均时长，场均经济，每分钟经济，大龙控制率等具有较大的影响权重。

五、总结：

随着LPL赛事越来越流行，对LPL的各项研究也越来越普遍，而本研究则采用数据分析的方法探讨影响LPL参赛队伍胜败的关键因素。

在原始数据的基础上，为了后续计算和对比的方便，我们先对数据的类型进行转换，对G列的一血率，M列的小龙控制率，O列的大龙控制率，R列的排眼效率等由原先的百分比字符串转换为浮点数形式，同时将H列的场均时长由字符型转换为以秒为单位的数值型数据。然后，为了在同个量纲下对比各个比赛指标与KDA的关系，我们进行了数据归一化处理。数据处理结束后，我们采用柱状图，散点图，曲线图等形式对比分析了各个参赛队伍的各项指标，同时也对个指标的相关性进行深入分析，从中发现：队伍的KDA与场均击杀，场均经济，每分钟经济，场均小龙，小龙控制率，场均大龙，大龙控制率，场均推塔数存在较强的正相关关系，其相关值均超过0.7，而队伍的KDA则与场均死亡，场均被推塔数存在较强的负相关关系，其相关的绝对值均超过0.7，而每分钟伤害，一血率，场均时长，每分钟补刀则与队伍的KDA没有明显的相关性。

为了更好地分析影响队伍胜败的关键因素，从而实现更好的提高赛事质量，我们也进行预测分析，将胜率作为预测模型的因变量(预测结果)，将原始数据的'场均击杀', '场均死亡', '每分钟伤害', '一血率', '场均时长', '场均经济', '每分钟经济','每分钟补刀', '场均小龙', '小龙控制率', '场均大龙', '大龙控制率', '每分钟插眼', '每分钟排眼', '排眼效率','场均推塔数', '场均被推塔数'作为预测模型的自变量(输入特征)。根据MSE，RMSE，MAE和R-Square，我们得知线性模型的拟合效果最好。在影响模型预测方面，场均击杀，场均死亡，场均时长，场均经济，每分钟经济，大龙控制率等具有较大的权重。

分割分割分割分割分割分割分割分割分割分割分割分割分割分割分割分割分割分割分割分割

此项报告用于温故而知新

代码：

# 获取数据

data_df = fun.get_data()

# 数据转换

data_df = fun.transform_data(data_df)

# 统计分析

fun.static_data(data_df)

# 数据归一化

fun.normalized_data(data_df)

# 相关性分析

fun.get_corr(data_df.copy())

# 绘制雷达图

fun.get_radar(data_df.copy(), ["FPX", "RNG", "IG"], ['每分钟伤害', '每分钟经济', '场均小龙', '大龙控制率', '场均推塔数', ], "战队雷达图",

'战队雷达图', "006 radar_diagram")

# 拆分数据

train_x_nda = data_df.loc[:, data_df.columns[2:-3]]

train_y_nda = data_df.loc[:, data_df.columns[-1]]

test_x_nda = data_df.loc[:, data_df.columns[2:-3]]

test_y_nda = data_df.loc[:, data_df.columns[-1]]

# 线性模型预测-OLS

result_dict = mod.ols_regression(train_x_nda, train_y_nda, test_x_nda, test_y_nda)

# 非线性模型预测-LASSO

result_dict = mod.lasso_regression(train_x_nda, train_y_nda, test_x_nda, test_y_nda)

# 机器学习模型预测-Random Forest

result_dict = mod.rf_regression(train_x_nda, train_y_nda, test_x_nda, test_y_nda)

线性回归预测

ols_model = sm.OLS(train_y_nda, sm.add_constant(train_x_nda)).fit()

ols_result = str(ols_model.summary2())

ols_params = ols_model.params

model_fit = ols_model.predict(sm.add_constant(train_x_nda))

ols_prediction = ols_model.predict(sm.add_constant(test_x_nda))

evaluation_mse = mean_squared_error(train_y_nda, model_fit)

evaluation_rmse = math.sqrt(evaluation_mse)

evaluation_mae = mean_absolute_error(train_y_nda, model_fit)

evaluation_r2square = r2_score(train_y_nda, model_fit)

非线性回归预测

lasso_model = Lasso().fit(train_x_nda, train_y_nda)

lasso_result = lasso_model.path

lasso_params = lasso_model.get_params()

model_fit = lasso_model.predict(train_x_nda)

lasso_prediction = lasso_model.predict(test_x_nda)

evaluation_mse = mean_squared_error(train_y_nda, model_fit)

evaluation_rmse = math.sqrt(evaluation_mse)

evaluation_mae = mean_absolute_error(train_y_nda, model_fit)

evaluation_r2square = r2_score(train_y_nda, model_fit)

机器学习回归预测

rf_model = RandomForestRegressor().fit(train_x_nda, train_y_nda)

rf_result = rf_model.base_estimator_

rf_params = rf_model.get_params()

rf_prediction = rf_model.predict(test_x_nda)[1]

model_fit = rf_model.predict(train_x_nda)

evaluation_mse = mean_squared_error(train_y_nda, model_fit)

evaluation_rmse = math.sqrt(evaluation_mse)

evaluation_mae = mean_absolute_error(train_y_nda, model_fit)

evaluation_r2square = r2_score(train_y_nda, model_fit)

参考资料：