怎么在jupyter中分析游戲的開發與銷售情況

這篇文章主要講解了“怎么在jupyter中分析游戲的開發與銷售情況”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“怎么在jupyter中分析游戲的開發與銷售情況”吧！

1、導入必須的庫

在對相關數據進行分析之前，先導入必要的庫：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
#為了中文能正常顯示
from matplotlib import font_manager
#讓圖片顯示在交互頁面
%matplotlib inline

2、代碼正文

從csv文件中導入數據

pandas是作為Python進行數據分析的工具庫，含有大量簡單便捷的方法，在進行數據處理是實用性極強。其中read_csv方法能夠從csv文件中讀取數據并保存至DataFrame對象中，方法如下

#讀取csv文件
df = pd.read_csv('vgsales.csv')
#顯示文件前5行
df.head()

結果如下：

數據清洗與整理

有爬蟲經驗的小伙伴應該清楚，在爬取大量數據時，難免會有數據的缺失或者數據錯誤的情況出現，所以導入數據后最關鍵的一步就是觀察數據是否有上述情況出現，清洗與整理后的數據分析出的結果更加準確。

常見的數據清洗方法有：填充缺失或錯誤數據或刪去含有缺失或錯誤數據的一行。本文采用后者，方法如下：

#檢查是否有缺失值，True表示含有缺失數據
df.isnull().any()

#刪去缺失值
df = df.dropna()
df.info()

數據分析

第一個實例對游戲平臺進行分析，因為數據比較龐大，所以我們只分析載有游戲多于100的游戲平臺。

首先根據DataFrame索引出游戲平臺（Platform）這一列數據，然后使用value_counts()方法對游戲平臺載有的游戲統計，最后截取出我們需要的數據。

#取載有游戲多于100的游戲平臺
pf = df['Platform'].value_counts().sort_values()#sort_values()為排列操作
pf = pf[pf>100]
pf

#游戲平臺名稱形成列表作為Y軸數據
pf_name = pf.index.tolist()
#載有游戲個數形成列表作為X軸數據
pf_number = pf.values.tolist()
#建立畫布
fig,ax = plt.subplots(figsize = (16,10),dpi = 80)
#y軸范圍
length = np.arange(len(pf_name))
#繪制條形圖
ax.barh(length,pf_number,tick_label = pf_name)
#設置標題和標簽
ax.set_title("The top 20 of Platform",fontsize = 18)
ax.set_xlabel("Number",fontsize = 16)
#添加數據標簽
for a,b in zip(length,pf_number):
 ax.text(b+40,a-0.15,b,ha = "center",fontsize = 12)
plt.savefig('E:/jupyter/result/Game_sale1.jpg')
plt.show(

結果如下圖：

那如果我們想知道各個地區游戲的銷售情況，該怎么辦呢？

#查看年份是否有不適合的值
df['Year'].value_counts().sort_index()

得到了如下銷售情況：

在看到年份的索引時，奇怪的出現了還未到的2020年，說明是數據錯誤，就需要對這一行數據進行清洗。方法如下：

df = df[~df["Year"].isin([2020.0])]#~表示取反
df['Year'].value_counts().sort_index()

敲黑板！這里我們要獲取每一年的各個地區所有游戲銷售額總值，我們就要用到cumsum這個方法——cumsum方法通俗說是一個累加和，注意紅框里的數據，這里是依據年份將每部游戲的銷售額相加

#cumsum函數是累加和，即按照Year這一列，將相同年份的銷售額相加
df['sum_sales'] = df['Global_Sales'].groupby(df['Year']).cumsum()
df['NA_sum_sales'] = df['NA_Sales'].groupby(df['Year']).cumsum()
df['EU_sum_sales'] = df['EU_Sales'].groupby(df['Year']).cumsum()
df['JP_sum_sales'] = df['JP_Sales'].groupby(df['Year']).cumsum()
df['Other_sum_sales'] = df['Other_Sales'].groupby(df['Year']).cumsum()
df.head(10)

得到如下結果：

用小腦瓜想一想，需要的數據是一年的總銷售額，所以只需要保留每一年最后一行的銷售額，這里可以用drop_duplicates去重，并keep參數保留最后一行即可。

#去重——得到每年各個游戲的銷售值
sale_df = df.drop_duplicates(subset=['Year'],keep='last')
sale_df.head()
#強制轉換類型
sale_df['Year'] = sale_df['Year'].astype(int)
sale_df.head()
#按照年份序列排序-升序（ascending調節升序或降序）
sale_df = sale_df.sort_values(by="Year" , ascending=True)
sale_df.head()

為了方便看到銷售額變化趨勢，我們繪出其變化曲線圖如下：

#繪制條形圖
my_font = font_manager.FontProperties(fname=r"c:\windows\fonts\simsun.ttc")
#準備數據
y_1 = sale_df['sum_sales'].values.tolist()
y_2 = sale_df['NA_sum_sales'].values.tolist()
y_3 = sale_df['EU_sum_sales'].values.tolist()
y_4 = sale_df['JP_sum_sales'].values.tolist()
y_5 = sale_df['Other_sum_sales'].values.tolist()
x_1 = sale_df['Year'].values.tolist()
#x軸范圍
x = range(len(x_1))
#建立畫布
plt.figure(figsize=(20,10),dpi=80)
#繪制折線圖，label為lengend的標簽
plt.plot(x,y_1,label = '全球')
plt.plot(x,y_2,label = '北美')
plt.plot(x,y_3,label = '歐洲')
plt.plot(x,y_4,label = '日本')
plt.plot(x,y_5,label = '其他')
#調整x軸刻度
_xtick_labels = ['{}年'.format(i) for i in x_1]
plt.xticks(list(x)[::3],_xtick_labels[::3],fontproperties = my_font,fontsize = 16)
#填寫x，y軸標簽
plt.xlabel('年份',fontproperties = my_font,fontsize = 16)
plt.ylabel('銷售額',fontproperties = my_font,fontsize = 16)
plt.title('銷售額的變化曲線',fontproperties = my_font,fontsize = 18)
#柵欄
plt.grid(alpha=0.5)
plt.legend(prop = my_font,loc = 'upper left')
plt.savefig('E:/jupyter/result/Game_sale2.jpg')
plt.show()

得到銷售額的變化曲線：

接下來我們來了解一下世界前十的游戲出版商。方法類似于第一個實例，請看注釋:

#獲取出版商前十
pb = df['Publisher'].value_counts().sort_values(ascending=False).head(10)#ascending可調整降序或升序
#設置畫布的尺寸
plt.figure(figsize=(8,8))
#將出版商的名字作為對應數據的標簽
labels = pb.index
#準備數據
x = pb.values
#繪制空心餅圖
x1 = [1,0,0,0,0,0,0,0,0,0]#用于空心
plt.pie(x , radius=1.0,pctdistance = 0.75,labels=labels,autopct='%1.1f%%')
plt.pie(x1, radius=0.5,colors = 'w')
plt.title('Top 10 of Publisher',fontsize = 16)
plt.savefig('E:/jupyter/result/Game_sale3.jpg')
plt.show()

世界前十游戲出版商如下：

蘿卜青菜各有所愛，每個人喜歡的都不一樣，游戲也是如此，那么什么游戲類型最受大眾喜愛呢？我們需要一個只包含游戲類型和銷售額的DataFrame對象，先用sum()方法統計，后用loc索引即可。方法如下

#按照游戲類型將每一處的銷售額相加
Group = df.groupby(['Genre']).sum().loc[:,'NA_Sales':'Other_Sales']
Group

得到如下喜好結果：

直觀顯示，繪制出不同游戲類型的銷售額圖，看看小伙伴們喜歡什么類型的游戲！

#顯示中文
my_font = font_manager.FontProperties(fname=r"c:\windows\fonts\simsun.ttc")
#建立畫布
plt.figure(figsize=(8, 12))
#x軸標簽
xlabel = ['NA_Sales','EU_Sales','JP_Sales','Other_Sales']
#y軸范圍與標簽
y = range(len(Group.index))
ylabel = Group.index
#繪制熱力圖
plt.imshow(Group, interpolation='nearest', cmap=plt.cm.pink,aspect='auto')#cmap為熱力圖顏色變化
#調整x，y軸刻度
plt.xticks(list(range(4))[::1],xlabel[::1],fontproperties = my_font,fontsize = 12)
plt.yticks(list(y)[::1],ylabel[::1],fontproperties = my_font,fontsize = 12)
#設置x，y軸標簽
plt.xlabel('銷售額',fontproperties = my_font,fontsize = 14)
plt.ylabel('游戲類型',fontproperties = my_font,fontsize = 14)
plt.colorbar(shrink=0.8)#改變Bar的長度
plt.title('The Heat Map of Sales',fontproperties = my_font,fontsize = 16)
plt.savefig('E:/jupyter/result/Game_sale4.jpg')
plt.show()

得到的銷售額情況如下，左邊坐標表示不同游戲類型，色度情況表示銷售量，顏色越淺表示銷量越高！

感謝各位的閱讀，以上就是“怎么在jupyter中分析游戲的開發與銷售情況”的內容了，經過本文的學習后，相信大家對怎么在jupyter中分析游戲的開發與銷售情況這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！