女朋友還是遊戲？一起來分析下游戲的開發與銷售情況

有人問：遊戲重要還是女朋友重要？

我想說，你是不是傻？遊戲沒了可以再下！

要是女朋友沒了……

就沒人會打擾你玩遊戲了，

哈哈哈哈哈哈哈哈哈哈！

大部分男生都喜歡遊戲，但對遊戲的瞭解卻不是很多，讓我們來分析一下“ 男生的女朋友——遊戲”。

資料中含有1980-2017年近40年各出版商發行的遊戲，在這份資料的基礎上分析一下哪些遊戲平臺和遊戲出版商實力更強？什麼遊戲型別是更受人們喜愛的？在不同地區遊戲的銷售概況是如何的？簡簡單單幾個步驟就足以得到答案！

這裡補充一句哈：本文在互動模式jupyter中完成！

1、匯入必須的庫

在對相關資料進行分析之前，先匯入必要的庫：

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
#讓圖片顯示在互動頁面
%matplotlib inline

2、程式碼正文

從csv檔案中匯入資料

pandas是作為Python進行資料分析的工具庫，含有大量簡單便捷的方法，在進行資料處理是實用性極強。其中read_csv方法能夠從csv檔案中讀取資料並儲存至DataFrame物件中，方法如下

#讀取csv檔案
df = pd.read_csv('vgsales.csv')
#顯示檔案前5行
df.head()

結果如下：

資料清洗與整理

有爬蟲經驗的小夥伴應該清楚， 在爬取大量資料時，難免會有資料的缺失或者資料錯誤的情況出現，所以匯入資料後最關鍵的一步就是觀察資料是否有上述情況出現，清洗與整理後的資料分析出的結果更加準確。

常見的資料清洗方法有：填充缺失或錯誤資料或刪去含有缺失或錯誤資料的一行。本文采用後者，方法如下：

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

#刪去缺失值
df = df.dropna()
df.info()

資料分析

第一個例項對遊戲平臺進行分析，因為資料比較龐大，所以我們只分析載有遊戲多於100的遊戲平臺。

首先根據DataFrame索引出遊戲平臺（Platform）這一列資料，然後使用value_counts()方法對遊戲平臺載有的遊戲統計，最後擷取出我們需要的資料。

#取載有遊戲多於100的遊戲平臺
pf = df['Platform'].value_counts().sort_values()#sort_values()為排列操作
pf = pf[pf>100]
pf

#遊戲平臺名稱形成列表作為Y軸資料
pf_name = pf.index.tolist()
#載有遊戲個數形成列表作為X軸資料
pf_number = pf.values.tolist()
#建立畫布
fig,ax = plt.subplots(figsize = (16,10),dpi = 80)
#y軸範圍
length = np.arange(len(pf_name))
#繪製條形圖
ax.barh(length,pf_number,tick_label = pf_name)
#設定標題和標籤
ax.set_title("The top 20 of Platform",fontsize = 18)
ax.set_xlabel("Number",fontsize = 16)
#新增資料標籤
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遊戲的銷售情況，該怎麼辦呢？

#檢視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，說明是資料錯誤，就需要對這一行資料進行清洗。方法如下：

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

敲黑板！這裡我們要獲取每一年的各個地區所有遊戲銷售額總值，我們就要用到cumsum這個方法——cumsum方法通俗說是一個累加和，注意紅框裡的資料，這裡是依據年份將每部遊戲的銷售額相加

#cumsum函式是累加和，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，需要的資料是一年的總銷售額，所以只需要保留每一年最後一行的銷售額，這裡可以用drop_duplicates去重，並keep引數保留最後一行即可。

#去重——得到每年各個遊戲的銷售值
sale_df = df.drop_duplicates(subset=['Year'],keep='last')
sale_df.head()
#強制轉換型別
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：

#繪製條形圖
my_font = font_manager.FontProperties(fname=r"c:\windows\fonts\simsun.ttc")
#準備資料
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軸範圍
x = range(len(x_1))
#建立畫布
plt.figure(figsize=(20,10),dpi=80)
#繪製折線圖，label為lengend的標籤
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軸標籤
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遊戲出版商。方法類似於第一個例項，請看註釋:

#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
#設定畫布的尺寸
plt.figure(figsize=(8,8))
#將出版商的名字作為對應資料的標籤
labels = pb.index
#準備資料
x = pb.values
#繪製空心餅圖
x1 = [1,0,0,0,0,0,0,0,0,0]#用於空心
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()

世界前十遊戲出版商如下：

蘿蔔青菜各有所愛，每個人喜歡的都不一樣，遊戲也是如此，那麼什麼遊戲型別最受大眾喜愛呢？我們需要一個只包含遊戲型別和銷售額的DataFrame物件，先用sum()方法統計，後用loc索引即可。方法如下

#按照遊戲型別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，繪製出不同遊戲型別的銷售額圖，看看小夥伴們喜歡什麼型別的遊戲！

#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軸標籤
xlabel = ['NA_Sales','EU_Sales','JP_Sales','Other_Sales']
#y軸範圍與標籤
y = range(len(Group.index))
ylabel = Group.index
#繪製熱力圖
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)
#設定x，y軸標籤
plt.xlabel('銷售額',fontproperties = my_font,fontsize = 14)
plt.ylabel('遊戲型別',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，左邊座標表示不同遊戲型別，色度情況表示銷售量，顏色越淺表示銷量越高！

3、分析總結

透過以上資料分析及視覺化，我們終於得到了一些因吹斯汀的資訊，一起來看看吧！

• DS和PS遠超其他平臺位列前端
• 北美和歐洲是遊戲的主要市場，銷售額碾壓其他地區
• 《FIFA》《極品飛車》的出版商Electronic Arts(EA)一枝獨秀
• 動作、運動、射擊遊戲深受大眾喜愛，銷售額遠超其他型別遊戲

我要是有個女朋友，我絕對就不打遊戲了，哈哈哈哈哈！