Kaggle-Video Game Sales数据分析

数据可视化

包含内容：数据来源，数据介绍，提出问题，代码，结果显示，不足。

数据来源：Video Game Sales | Kaggle

数据介绍：

Rank	总销售额排名
Name	游戏名称
Platform	发布平台
Year	发布年份
Genre	游戏类型
Publisher	发行商
NA_Sales	北美销售额
EU_Sales	欧洲销售额
JP_Sales	日本销售额
Other_Sales	其他地区销售额
Global_Sales	全球总销售额

根据数据提出问题：

首先对数据进行简单的了解，利用python与excel均可

11493个游戏；31个游戏发布平台；12个游戏类型；578个发行商

根据简单数据可以进行一些猜测，并提出问题

在解决问题的过程中，对数据有了进一步的了解，在此基础上，对问题进行进一步的思考

代码以及分析如下

# -*- codeing = utf-8 -*-
# @Time:2021/8/25 16:49
# @Author:A20190277
# @File:one.py
# @Software:PyCharm
''''''
'''
conda activate base
conda install missingno
conda update -all
'''
import pygal
import numpy as np
import pandas as pd
import missingno as msno
import seaborn as sns
from collections import Counter
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=Falsedf1=pd.read_csv(r'C:\Users\18356\Desktop\Kaggle\Video Game Sales\vgsales.csv')
print(df1.head())
print(df1.describe(include = 'all').T)    #默认只处理数值类型，include='all'：全处理，'object'：字符串#msno.matrix(df1, figsize = (16, 5),labels=True)   #白线越多，缺失值越多
#plt.show()
#缺失值所占比例为：def mis_val_tabel(df):mis_val = df1.isnull()   #缺失值的判断，与isna()等价，若values为缺失值则返回Truemis_val_num= mis_val.sum()mis_val_pre=100*mis_val_num/len(df)mis_val_pre_tabel=mis_val_pre.to_frame()mis_val_pre_tabel.columns=['缺失率']mis_val_pre_tabel=mis_val_pre_tabel.sort_values(by='缺失率',ascending=False, axis=0)return mis_val_pre_tabel
print(mis_val_tabel(df1))
#可看出缺失值最大的也只占了1.6%，所以可直接删除
df2=df1.dropna()
# msno.matrix(df2, figsize = (16, 5),labels=True)
# plt.show()   #可看出缺失值已经剔除完毕了
print('----------------------缺失值处理完毕！-----------------------------')
#处理异常值
print(df2[df2['Year']>2017])  #只有一条，删去
df3=df2.drop([5957],axis=0)
#df3.to_csv(r'C:\Users\18356\Desktop\Kaggle\Video Game Sales\df3.csv',index=False)
print('----------------------异常值处理完毕！-----------------------------')#数据可视化
#在对数据进行异常值处理时，发现年份的数据类型不是int，所以要先对数据类型进行处理
df3.Year=df3.Year.astype(int)
print(df3.info())#根据提出的问题进行可视化操作
#用户最喜爱的平台，游戏类型
#Genre：游戏类型
genres_tabel=df3.pivot_table('Global_Sales',index='Genre',columns='Year',aggfunc='sum')
#数据透视表函数，'Global_Sales'：指定要聚合的列，aggfunc：统计方法
#将销售额和每个游戏类型联系起来，还有年份，这样才能看出趋势
genres=genres_tabel.idxmax()  #返回在请求轴上第一次出现最大值的索引，得出每一年中销售额最大的游戏类型
sales=genres_tabel.max()     #得出每一年中最大的销售数额
years=genres_tabel.columns.astype(int)   #得到年份数组，类型强制转化为int
genres_df=pd.concat([genres,sales],axis=1)  #游戏类型与销售额合并
genres_df.columns=['Genre', 'Global Sales']
# ax=sns.pointplot(y='Global Sales',x=years,hue='Genre',data=genres_df)
# ax.set_title('销售额最大的游戏类型随着年份的变化情况')
# ax.set_xlabel('年份')
# ax.set_ylabel('销售额')
# ax.set_xticklabels(labels = years)
# plt.savefig("p1", dpi=600)
# plt.show()
'''
可以看出：Action近几年在市场中占比较重要的地位，但是它的销售情况是逐年递减的
Role-Playing在2017年占了游戏市场的最大比重，可以大胆猜想，它未来可能会在游戏市场占一部分比重
除此之外还可以看出：Shooter,Fighting,Puzzle发展不容乐观
以上只是较为粗糙的分析与猜测，后续可以对近几年的游戏类型与销售额做饼状图进行具体分析
根据以下对平台的分析，进行补充Role-Playing在2017年虽然最受欢迎，销售额却最少，可能是与整体的游戏市场相关，所以它未来可能会在游戏市场占一部分比重这个猜想较为合理
再次思考，为什么游戏市场后续衰败：发行游戏数量？
'''
#销售额与年份
money_order=df3.groupby(by=['Year'],as_index=False).sum()
Y=years
order_order=df3.groupby(by=['Year'],as_index=False).count()
dw=pd.DataFrame({'销售额':money_order['Global_Sales'],'游戏数量':order_order['Genre']})
dw.index=[Y]
# dw.plot()
# plt.title('销售额游戏数量之间的关系如何')
# plt.xlabel('年份')
# plt.savefig("p3", dpi=600)
# plt.show()
'''
由图得出的分析见上
'''#与上方类似，对平台进行分析
platform_tabel=df3.pivot_table('Global_Sales',index='Platform',columns='Year',aggfunc='sum')
platform=platform_tabel.idxmax()
sales=platform_tabel.max()
years=platform_tabel.columns.astype(int)
platform_df=pd.concat([platform,sales],axis=1)
platform_df.columns=['Platform', 'Global Sales']
# ax=sns.pointplot(y='Global Sales',x=years,hue='Platform',data=platform_df)
# ax.set_title('销售额最大的游戏平台随着年份的变化情况')
# ax.set_xlabel('年份')
# ax.set_ylabel('销售额')
# ax.set_xticklabels(labels = years)
# plt.savefig("p2", dpi=600)
# plt.show()
'''
可以看出：市场上的游戏平台龙头一直在发生改变
还可以看出在200？~200？年时游戏市场处于蓬勃发展
以上只是较为粗糙的分析与猜测：后续可以对为什么游戏平台的龙头地位与什么相关进行研究，是与游戏类型有较大关系还是合作的发行商有较大关系
''''''
再次思考，为什么游戏市场的龙头平台在一直变化，变化的原因是与合作的发行商有关还是与市场趋势有关
龙头平台的上的游戏类型最多是什么，选取前5大龙头平台进行分析，由于时效性问题，分析时只取近5年的销售数据
'''
#前五的龙头平台
FPF=pd.pivot_table(df3,index='Year',columns='Platform',values='Global_Sales',aggfunc=np.sum).sum().sort_values(ascending=False)
FPF=pd.DataFrame(data=FPF,columns={'Global_Sales'})
FPF_near5=pd.pivot_table(df3,index='Year',columns='Platform',values='Global_Sales',aggfunc=np.sum).iloc[-5:,:].sum().sort_values(ascending=False)
FPF_near5=pd.DataFrame(data=FPF_near5,columns={'Global_Sales'})
# fig,(ax1,ax2)=plt.subplots(2,1,figsize=(16,10))
# sns.barplot(x=FPF.index,y='Global_Sales',data=FPF,ax=ax1)
# sns.barplot(x=FPF_near5.index,y='Global_Sales',data=FPF_near5,ax=ax2)
# plt.title('近五年的销售情况直方图')
# plt.savefig("p4", dpi=800)
# plt.show()
'''
可以看出没有龙头企业产生了较大变化，不知道由于什么原因PS2消声灭迹，PS4稳占第一
可以分析一下PS2为什么消失，PS4为什么崛起
'''
#前五的发行商
PUB=pd.pivot_table(df3,index='Year',columns='Publisher',values='Global_Sales',aggfunc=np.sum).sum().sort_values(ascending=False)
PUB=pd.DataFrame(data=PUB,columns={'Global_Sales'})
PUB_near5=pd.pivot_table(df3,index='Year',columns='Publisher',values='Global_Sales',aggfunc=np.sum).iloc[-5:,:].sum().sort_values(ascending=False)
PUB_near5=pd.DataFrame(data=PUB_near5,columns={'Global_Sales'})
PUB=PUB.head(10)
PUB_near5=PUB_near5.head(10)
fig,(ax3,ax4)=plt.subplots(2,1,figsize=(16,10))
# sns.barplot(x=PUB.index,y='Global_Sales',data=PUB,ax=ax3)
# sns.barplot(x=PUB_near5.index,y='Global_Sales',data=PUB_near5,ax=ax4)
# plt.title('TOP发行商直方图')
# plt.savefig("p6", dpi=800)
# plt.show()
'''
TOP发行商在近几年之间的差异较小，Nintendo可以说是一直在市场的地位很高
思考：为什么Electronic Arts在近几年取代了Nintendo的地位
'''#地区的销售额占比情况
money_order=df3.groupby(by=['Year'],as_index=False).sum()
Y=years
order_order=df3.groupby(by=['Year'],as_index=False).count()
DS=pd.DataFrame({'全球销售额':money_order['Global_Sales'],'北美销售额':money_order['NA_Sales'],'欧洲销售额':money_order['EU_Sales'],'日本销售额':money_order['JP_Sales'],'其他地区销售额':money_order['Other_Sales']})
DS.index=[Y]
# DS.plot()
# plt.title('地区的销售额情况')
# plt.xlabel('年份')
# plt.savefig("p5", dpi=800)
# plt.show()
'''
由图可以看出在北美市场一直为主力，其次是欧洲市场
'''
#各地区喜欢的游戏类型，讨论近15年
df4=df3[df3['Year']>2003]
#游戏类型，销售额，各地区
GM=df4.groupby(by=['Genre'],as_index=False).sum()
GM=GM.set_index(['Genre'])
GM=GM.T.drop(['Rank','Year'])
# GM.plot.bar(y=['Action','Adventure','Fighting','Misc','Platform','Puzzle','Racing','Role-Playing','Shooter','Simulation','Sports','Strategy'],stacked='True')
# plt.title('近几年各地区各地区喜欢的游戏类型')
# plt.savefig("p7", dpi=800)
# plt.show()'''
可以发现，Sports,Action,Shooter,Misc,Role-Playing进一步分析
之前绘制的线图与该图可以结合分析
绘制Sports,Action,Shooter,Misc,Role-Playing近10年的销售变化图，
总体的以及各地区的都可以进行绘制
'''
GNS=df4.pivot_table('Global_Sales',index='Genre',columns='Year',aggfunc='sum')
GNS=GNS.T
a=GNS['Action']
b=GNS['Adventure']
DS=pd.DataFrame({'Action':GNS['Action'],'Adventure':GNS['Adventure'],'Fighting':GNS['Fighting'],'Misc':GNS['Misc'],'Platform':GNS['Platform'],'Puzzle':GNS['Puzzle'],'Racing':GNS['Racing'],'Role-Playing':GNS['Role-Playing'],'Shooter':GNS['Shooter'],'Simulation':GNS['Simulation'],'Sports':GNS['Sports'],'Strategy':GNS['Strategy']})
# DS.plot()
# plt.title('近几年各地区销售与游戏类型之间的联系')
# plt.savefig("p8", dpi=800)
# plt.show()'''
根据图8发现，之前关于Role-Playing的猜想错误（2017年数据不全面），但是根据日本市场近几年Role-Playing的销售额占比来看，Role-Playing未来可能在日本市场上占一席之地
估计未来市场，Action、Shooter、Sports、Role-Playing'为主流，Shooter未来有望超过Action，Role-Playing在日本可能会有较大发展空间
关于未来游戏类型的猜想结束根据游戏类型，发行商未来可以着重发布Action、Shooter、Sports、Role-Playing类游戏
下一步，分析发行商发行的游戏类型，发行商过多，只讨论前几名
平台与发行商的合作
'''GPC=df4.pivot_table('Year',index='Publisher',columns='Genre',aggfunc='count').T
GPC=GPC[['Nintendo', 'Electronic Arts', 'Activision', 'Sony Computer Entertainment', 'Ubisoft', 'Take-Two Interactive', 'THQ','Konami Digital Entertainment', 'Sega', 'Namco Bandai Games']]
# GPC.plot.bar(y=['Nintendo', 'Electronic Arts', 'Activision', 'Sony Computer Entertainment', 'Ubisoft', 'Take-Two Interactive', 'THQ', 'Konami Digital Entertainment', 'Sega', 'Namco Bandai Games'],stacked='True')
# plt.title('近几年发行商发行与游戏类型之间的联系')
# plt.savefig("p9", dpi=800)
# plt.show()'''
由图发现，
Nintendo虽然近几年销售额排名第一，但是它发行的数量在各个类型中并不多，原因不明
Electronic Arts在多个游戏类型中都有一些不少的占比，在Shooter中占比最大，提出建议：可以减少一些不是很受大众欢迎的游戏的发行，使资金得到更好的应用
Activision发行的大部分游戏为Action与Shooter，
发行商的分析结束
下一步，分析平台的，平台与发行商的合作
平台与发行商合作的
'''
PPP=df4.pivot_table('Year',index='Platform',columns='Publisher',aggfunc='count')
PPP=PPP[['Nintendo', 'Electronic Arts', 'Activision', 'Sony Computer Entertainment', 'Ubisoft', 'Take-Two Interactive', 'THQ','Konami Digital Entertainment', 'Sega', 'Namco Bandai Games']].T
PPP.plot.bar(y=['X360', 'PS3', 'Wii', 'DS', 'PS2', 'PSP', 'PS4', '3DS', 'PC', 'XOne', 'XB', 'GBA', 'WiiU', 'GC', 'PSV', 'DC'],stacked='True')
plt.title('近几年平台与发行商之间的联系')
plt.savefig("p10", dpi=1000)
plt.show()'''
Nintendo合作的平台也较少，与PS3合作相对紧密
将p9与p10结合起来，让平台可以尽量避免游戏种类的重复
'''print('分析到此结束！')

生成的图片如下：

不足：

图表的横坐标显示问题，用Jupyter可较好显示

第一次完整分析，分析结果不是很完善，希望下次进步。

Kaggle-Video Game Sales数据分析相关推荐

Kaggle Video Game Sales数据分析
1.项目介绍: 本次项目分析所用数据集来源于kaggle,官网未提出明确的任务需求.但基于国内游戏行业迅猛发展趋势,可以通过不同国家.发布者.游戏类型等因素,对销售数据进行分析,提出有效的建议,帮助电 ...
kaggle 共享单车项目数据分析和单车租赁数预测
项目背景自行车共享系统是租用自行车的一种方式,在这里,通过遍布城市的信息亭网络,可以自动获得会员资格.租赁和自行车归还.使用这些系统,人们可以从一个地方租一辆自行车,并根据需要将其送回另一个地方.目 ...
基于Kaggle心脏病数据集的数据分析和分类预测-StatisticalLearning统计学习实验报告
基于Kaggle心脏病数据集的数据分析和分类预测-StatisticalLearning统计学习实验报告一.实验准备本数据来源于kaggle,包含14个维度,303个样本,具体的变量说明如下表所示 ...
《Kaggle》Kaggle比赛怎么进行数据分析
<Kaggle>Kaggle比赛怎么进行数据分析前言比赛任务数据集样例数据预处理 1. 常规操作 2. 获取文件路径和数据 3. head() 4. describe() 5. s ...
（kaggle）Video Game Sales电子游戏销售分析
模块导入项目介绍项目来源:kaggle 项目介绍:由vgchartz.com的一个刮版生成的,有一份综合的游戏行业销售数据,希望产生一份综合的游戏行业报告数据介绍:包含游戏名称.类型.发行时间. ...
Kaggle：Video Game Sales电子游戏销售分析（Tableau展示）
文章目录项目介绍分析思路导图数据导入数据探索数据展示项目介绍项目来源:Kaggle: 项目介绍:由vgchartz.com的一个刮版生成的,有一份综合的游戏行业销售数据,希望产生一份综合 ...
kaggle竞赛-Stable Diffusion数据分析与baseline
你的目的是来预测我们生成图像的提示词 1.比赛目标这个竞赛的目标不是从文本提示生成图像,而是创建一个模型,可以在给定生成图像的情况下预测文本提示(你有一堆提示词,你预测是否该提示词参与了图像的生成) ...
Kaggle入门——电影案例数据分析
数据集 1. 数据集介绍本项目用到的数据集IMDB-Movie-Data是Kaggle平台上的项目TMDB(The Movie Database),主要为美国2006-2016年间的电影作品. 2. ...
Kaggle 入门级题目titanic数据分析（EDA）尝试
Titanic: ML from disaster deal with csv trainning data using pandas etc. Titanic是kaggle的一个toy级别的入门问题 ...

Kaggle-Video Game Sales数据分析

Kaggle-Video Game Sales数据分析相关推荐

最新文章

热门文章