分析5万多场英雄联盟比赛，教你如何用python轻松预测胜负。

CDA数据分析员制

作者：真达，Mika

数据：真达

后期： Mika

【引体向上】

今天，大型家用Python预测英雄联盟比赛的胜负。 Show me data，用数据说话！ 今天我们来谈谈python预测LOL胜负的故事。

目前，英雄联盟S10全球决赛正在火热进行中，最终决赛将于10月31日在浦东足球场举行。 作为目前最炙手可热的电竞赛事，这引起了世界无数玩家的关注，相信没有人会错过这场参赛范围非常广、影响力非常大的国际电竞赛事。 LPL能否在家门口获得第三个世界大赛奖杯也引起了很多玩家的关注。

每场比赛，大家最关注的不都是最后的胜负吗？ 那么，比赛的胜负能预测吗？ 今天，我们分析了5万多场英雄联盟的排名赛，教大家如何用Python预测比赛的胜负。

01、项目介绍

英雄联盟( LOL )是美国游戏开发商RiotGames(2011年腾讯收购)的多人在线战斗竞技游戏。

在游戏中，玩家将扮演“召唤师”的角色，每个召唤师控制着自己技能的“英雄”，并与其他玩家和计算机控制的英雄进行战斗。 游戏的目标是摧毁对方的防御塔和基地。

召唤者峡谷是英雄联盟中最受欢迎的地图，在这种地图类型中，两队五名玩家竞相摧毁一座名为基地的敌人建筑，这座建筑由敌人的队伍和一些防御塔护送。 每个团队都想在保护自己建筑物的同时破坏对方的建筑物。 主要包括：

每个防御塔团队总共有11个防御塔Inhibitor水晶)。 每路水晶Elemental Drakes/Elder Dragon )大龙/远古龙) Rift Herald )峡谷先锋) Baron Nasho )纳什很多职业选手在赛后的采访中表示，输是滚雪球式的。 我们研究一下各方面各项指标的数据，看看这些因素的发展是否真的影响了比赛的成败。

该项目分析了5万多场英雄联盟的排名赛，试图利用决策树算法基于现有输入属性预测比赛胜负。

02、数据集概述

数据集收集了来自50000多个游戏英雄联盟的游戏排名数据，字段主要包含以下数据：

Game ID :游戏IDCreation Time :制作时间gameduration(inseconds )游戏持续时间(秒) Season ID :第一季id winner (1=team 1，2=team2) )冠军奇2=第2季， 0=none ) )第一条纳什男爵、龙、塔、血一个、水晶、 峡谷先锋championsandsummonerspellsforeachteam ( storedasriot ' schampionandsummonerspellids )每队选出的英雄和召唤术The number of tower、 inhibitor dagonandriftheraldkillseachteamhas :塔、水晶、男爵、龙、大峡谷先锋击杀数the5bansofeachteam(again，champion IDs are used )

首先读取所需的包，然后读取数据集。

#数据整理importnumpyasnpimportpandasaspd # 可视化importmatplotlib.pyplotaspltimportseabornassnsimportplotlyaspyimportplotly.graph _ graph建模froms klearn.treeimportdect model _ selectionimporttrain _ test _ split，gridsearchcvfrommon class ification _ report #读取数据df=PD.read _ CSV ( )

我们分别就影响比赛的相关因素进行如下探索。

1 .目标变量分布

数据集共记录51490件，其中1队胜利次数26077次，占50.6%，2队胜利次数25413次，占49.4%。 没有样品的不平衡。

——代码如下。

#饼图trace0=go.pie ( labels=df [ ' winner ' ].value _ counts ).index，values=df [ ' winner ' ].value _ counts

从直方图中可以看出，游戏时间基本遵循正态分布，其中最短的游戏时间为3分钟，3分钟为游戏重启时间，最长的游戏时间为79分钟。 中间50%的时间在26~36分钟之间。

——代码：

df [ ' game _ duration ' ]=round [ ' game duration ' ]/60 ] #选择数据x1=df [ df [ ' winner ' ]==1] [ ' game _ duration opacity=0.9 ) layout=go.layout(title='比赛游戏时间分布') ) data=[trace0，trace1]fig=go.figure ) data，layout )

获得一血的球队的胜率相对较高，在第一队比赛中，首先获得一血时的胜率为59.48%，比没有获得一血的比赛高出18%。 在第二队比赛中，获得一血时胜率为58.72%，比未获得一血的比赛高出18%。

——代码如下。

plot _ bar _ horizontal ( input _ col=' first blood '，target_col='winner '，title_name='对一血胜利的影响') ) 4.

从数据来看，第一座防御塔看起来像是一个有说服力的指标。 在第一队的比赛中，首先破坏一塔时球队的胜率高达70.84%，比没有获得一塔的比赛高出41.64%。 在第二队的比赛中，有相近的数据表现。

——代码为：

plot _ bar _ horizontal ( input _ col=' first tower '，target_col='winner '，title_name='对一塔胜利的影响') )5.首先

在一定程度上可以预测，在比赛中获得第一个克里斯塔的队伍中，91%能获得冠军。 首先是破坏克里斯塔国家队已经积累的充分优势，因为克里斯塔的力量强大，更有价值。

——代码如下。

plot _ bar _ horizontal ( input _ col=' first inhibitor '，target_col='winner '，title_name='通过破坏第一个水晶获得胜利

统计数据显示，在比赛中射杀第一男爵有80%的胜率。

plot _ bar _ horizontal ( input _ col=' first baron '，target_col='winner '，title_name='第一条杀死男爵对胜利的影响

在第一个队伍中，第一个开枪打死第一条龙的队伍的胜率为68.6%，比没能取得优先顺序的比赛高出36%。

plot _ bar _ horizontal ( input _ col=' first dragon '，target_col='winner '，title_name='杀死第一条龙对胜利的影响

在首发球队中，首发击败首发峡谷先锋的球队胜率为69.45%，比不优先的比赛高出38.92%。

plot _ bar _ horizontal ( input _ col=' firstriftherald '，target_col='winner '，title_name='第一条峡谷先锋对胜利的影响

选择首支队伍的破坏防御塔数作为影响因素，可见破坏防御塔数越多获胜的概率越高。 数量多于8个时，胜率大于85%。 11个防御塔全部破坏时的胜率为99.16%，当然也有8.4的翻船概率。

plot _ bar _ vertical ( input _ col=' t1 _ tower kills '，target_col='winner '，title_name='破坏防御塔数对胜利的影响)

破坏水晶的数量越多，赢的概率就越高。 未破坏水晶时的胜率为12.55%，破坏1个时的胜率为81.11%，2个为92.38%。

plot _ bar _ vertical ( input _ col=' t1 _ inhibitor kills '，target_col='winner '，title_name='水晶破坏对胜利的影响' ) ) ) ) 652

击毙男爵的数量越多，获胜的概率就越高，击毙5名男爵的数据只有一个，之后需要删除。

plot _ bar _ vertical ( input _ col=' t1 _ baron kills '，target_col='winner '，title_name='男爵数击杀对胜利的影响')

越是射龙，获胜的概率就越高

plot _ bar _ vertical ( input _ col=' t1 _ dragon kills '，target_col='winner '，title_name='对杀大龙数对决的影响'()

首先进行第一次清洗，筛选建模所需的变量。

#删除时间少于15分钟且分类较少的记录df=df[(df(gameduration ) ]=900 ( df ) ) t1_Baronkills！=5) ) print(df.shape ) 50180，62 )过滤器建模变量df_model=df[['winner '，' firstBlood '，' firstTower '，' first ' t1_baronKills '，' t1_dragonKills '，' t2_towerKills '，' t2_towerKills '，' T2_

#将训练集与测试集分开的x=df_model.drop(winner (，axis=1) y=df_model ) winner ) y_train，X_test，y，

#参数parameters={'splitter':('best '，' random '，' criterion':('gini '，' entropy )， ' max_depth'[ }#模型clf=decisiontreeclassifier ( random _ state=0) GS=gridsearchcv(clf，parameters， cv=10 )用于创建GS.fit ) x_trrchcv )的estimator=decisiontreeclassifier ( random _ state=0)，param _ grid={ ' critect } ' random ' ( ) )最佳分数print (，GS.best _ score _ ( print )，GS.best _ params _ ( best param )，GS.best _ params ) ' splitter':'best'}#最佳模型best _ clf=decisiontreeclassifier ( criterion=' Gini '，max _ dept tier y _ train ( Prain )

#输出分类报表y_pred=best_clf.predict(x_test ) cm=confusion_matrix(y_test， y_pred ) Cr=class ification _ ( class Cr ) classificationreport:precisionrecallf1- scoresupport 10.980.98507720.980.980.984959 accuracy 0.9810036 macro avg annot=True，fmt='.1f '，cmap='flag '，linewidths=0.2，cbar=False ) G1.seear ) )。 font dict={ ' fontsize ':15 } ( G1.set _ xlabel ( ' y _ pred '， fontdict={'fontsize':15} ) G1.set_title ) ) ) fontsize ) ) font ) ' confusion_matrix ' )输出属性重要性imp=PD.dode best_clf.feature_importances_ ) )为' importance s ' ] imp=imp.sort _ values ( importance s )，ascending=False

以下代码将用于输出此树。

#可视化importgraphvizfromsklearnimporttreedot _ data=tree.export _ graphviz ( decision _ tree=best _ clf，max _ depth

我们假设。 第一队拿下了第一血，第一塔，第一男爵，第一条龙和第一峡谷的先锋，第二队只拿下了第一水晶。

第一队塔、水晶、男爵和龙杀死的数量分别为10、2、1、4和塔、水晶、男爵和龙的数量分别为7、2、1、1。

#新数据new _ data=[ 1，1，2，1，1，10，2，1，4，7，2， 1 ] c=best _ clf.predict _ proba ( new _ data best _ clf.predict ( x1 ) ) print (第一初始化语言)、list ( nsecondteamwinprobabilility list ( c [1] * 100 ) ) winner is:[1] firstteamwinprobabilityis % [ 89.87341772151899 ] secs

• 上一篇：LCK春赛第八周赛前积分榜：T1为王，层次分明，强弱悬殊。
• 下一篇：上帝：米优俱乐部开始记录查询。玩家：建议开启身体询问，避免登上游戏。