硬核！宝可梦八大世代数据大揭秘

　　目标：利用Python对宝可梦八大世代做数据分析
　　一、各系数量分析
　　二、各世代宝可梦数量分析
　　三、种族值分析
　　四、传说宝可梦分析
　　五、各世代推荐宝可梦
　　六、特性分析：特性种类、隐藏特性种类、占比（待更新）
　　零、预备工作&指标解释  #导入三个Python常用数据分析的库  import numpy as np import pandas as pd  #画图包导入 import matplotlib.pyplot as plt plt.style.use(style=＂ggplot＂) #import missingno as msno import seaborn as sns sns.set()    #设置画图空间为 Seaborn 默认风格  #将文件读取进来 pokemon = pd.read_excel(＂/Users/glenji/Desktop/pokemon (1).xlsx＂)
　　#指标解释 #abilities-1特性1，abilities-2特性2，abilities-x特性x #classfication宝可梦分类、classfication-CN宝可梦中文分类 #type1属性1，type2属性2 #attack攻击 #defense防御 #hp血量 #sp_attack特攻 #sp_defense特防 #speed速度 #base_total种族值总数
　　一、各系数量分析
　　总结：以下分析仅为单系，双系的分析暂无。
　　各系中，水系、一般系、草系三个的数量比较多，其中水系占比13.56%，一般系占比12.02%，草系占比9.48%；
　　各系中，飞行系占比最少，仅0.37%（唯一一个低于1%的）；
　　①各系的数量：先做个简单的计数统计，可以初步看到水系、一般系、草系三个的数量比较多。水系那么多，可能因为日本靠海，他们比较喜欢吃鱼吧哈哈哈。  #查看各系的数量  out = pokemon[[＂type1＂,＂is_legendary＂]].groupby(＂type1＂).count() print(out)
　　②绘制一个柱形图来看看效果：  #柱形图查看各世代宝可梦不同种族数量  pokemon[＂type1-EN＂].value_counts().plot.bar()
　　③绘制饼图看看效果：水系、一般系、草系为数量前三位，冰系、妖精系、飞行系为数量后三位，有点出乎意料，飞行系竟然是最少的，仅0.37%（唯一一个低于1%的）。水系占比13.56%，一般系占比12.02%，草系占比9.48%。  #查看各系的占比 #水系是最多的，为什么呢，可能是因为日本人靠海喜欢吃鱼吧哈哈哈  fig,ax = plt.subplots(2,1,figsize=(15,10))  pokemon[＂type1-EN＂].value_counts().plot.pie(ax=ax[0],shadow=False,autopct=＂%1.2f%%＂) ax[0].set_ylabel(＂＂)    #设置y轴标签 ax[0].set_xlabel(＂type1-EN＂)    #设置x轴标签  sns.countplot(＂type1-EN＂,data=pokemon,ax=ax[1]) ax[1].set_ylabel(＂＂) ax[1].set_xlabel(＂type1-EN＂) plt.show()
　　二、各世代宝可梦分析
　　总结：
　　第5世代是宝可梦数量最多的世代有156只，第6世代是宝可梦数量最少的世代，仅72只；
　　①先做个简单的计数统计（value_counts），可以看到第5世代是宝可梦数量最多的世代有156只，第一世代次之（第一世代的151手办现在已经很贵很贵很贵了）；第6世代是宝可梦数量最少的世代，才72只。  #计算一下各世代的宝可梦数量  pokemon[＂generation＂].value_counts()
　　②再画个柱形图看看效果：  #柱形图查看各世代宝可梦数量  pokemon[＂generation＂].value_counts().plot.bar()
　　三、种族值解析
　　总结：
　　种族值6大属性中，血量hp的异常值较多；
　　整体种族值呈双峰分布，以300和500左右的分布较多；
　　龙系的种族值均值高达515，是最值得培育的种族，其次是钢系、超能力系；而虫系是最可怜的种族，平均种族值仅有378，草系、一般系也惨兮兮；
　　种族值均值为439，中位数是440，培育宝可梦如果在乎强度，那应该选择高于这两值的宝可梦，如果是真爱党的话，则无所谓了；
　　①绘制线箱图查看各种族值的大致情况：可以看到hp即血量的异常值较多。  #绘制线箱图 #可以看到hp的异常值较多  plt.figure(figsize=(10,5))    #设置画布大小 sns.boxplot(data=pokemon[[＂hp＂,＂attack＂,＂defense＂,＂sp_attack＂,＂sp_defense＂,＂speed＂]])
　　②查看种族值的分布图：有点类似双峰分布，最多种族值分布在300和500附近。之前世代种族值最高的是800左右，第八世代出了个无极汰那极巨化一下子将种族值上限提高到1000以上。  #种族值分布  plt.hist(pokemon[＂base_total＂],bins=35) plt.xlabel(＂total_stats＂) plt.ylabel(＂Frequency＂)
　　③通过小提琴图观察各个种族的种族值特性：可以看到龙系的整体种族值是相对较高的。  #psychic超能力 #bug虫系 #fairy妖精系  #通过小提琴的厚度显示的分布 sns.set_style(＂whitegrid＂)  #小提琴图 plt.figure(figsize=(15,5))    #设置画布大小 sns.violinplot(x=＂type1-EN＂,y=＂base_total＂,data=pokemon)
　　④通过数据透视表，了解完整的各种族的平均种族值情况，得出什么种族是最值得培育的：得到的结论是龙系的种族值均值高达515，是最值得培育的种族，其次是钢系、超能力系；而虫系是最可怜的种族，平均种族值仅有378，草系、一般系也惨兮兮。  #建立数据透视表 #计算一下各系宝可梦种族值分布 #新建一个数据表格，用于保存世代generation与是否传说is_legendary两列数据  pokemon2=pokemon[[＂type1＂,＂base_total＂]]   pokemon_z=pokemon2.pivot_table(values=＂base_total＂,    #计算的值                                index=＂type1＂,       #透视的行，分组的依据                                aggfunc=＂mean＂)            #聚合函数  # 对透视表进行降序排列 pokemon_z = pokemon_z.sort_values(by=＂base_total＂,     # 排序依据                         ascending=False                 # 是否升序排列                        )  pokemon_z
　　⑤再看看各系种族值的描述型数据统计：种族值均值为439，中位数是440，各位小伙伴，低于这俩值的宝可梦你要是培育的话，那就真的是真爱了。  #各系种族值得描述性数据情况  pokemon_z.describe()
　　⑥推荐一些培育性价比比较高的宝可梦：种族值高于570，但非传说宝可梦的准神。  #找到非传说宝可梦但是种族值非常优秀，值得培育的宝可梦  pokemon[(pokemon[＂base_total＂] >= 570) & (pokemon.is_legendary == 0)][＂chinese_name＂].head(100)
　　⑦还可以绘制一些种族值之间的关系图：可以看到attack和defense基本呈正相关，其他的你也可以再试试。  #查看HP和Attack的相关性  import scipy.stats as stats from warnings import filterwarnings filterwarnings(＂ignore＂)  sns.jointplot(x=＂defense＂,y=＂attack＂,data=pokemon).annotate(stats.pearsonr) plt.show()
　　四、传说宝可梦分析
　　总结：
　　传说宝可梦最多的是第7世代，一共有25只，占比28%；最少的是第1世代，只有5只，占比3%；
　　越往后的世代传说宝可梦倾向于越多；
　　特攻值与是否为传说宝可梦相关度最高，而防御与是否为传说宝可梦的相关度最低；
　　传说宝可梦的种族值平均高达611，而非传说宝可梦的种族值平均为410；
　　种族与是否为传说宝可梦没有很强的相关性，相对来说超能力系psychic、龙系dragon是传说宝可梦的概率较高；
　　①通过数据透视表统计一下各世代传说宝可梦数量：可以看到传说宝可梦最多的是第7世代，一共有25只；最少的是第1世代，只有5只；有个比较明显的趋势是越往后的世代传说宝可梦倾向于越多。  #新建一个数据表格，用于保存世代generation与是否传说is_legendary两列数据 pokemon1=pokemon[[＂generation＂,＂is_legendary＂]]   #建立数据透视表 pokemon_p=pokemon1.pivot_table(values=＂is_legendary＂,    #计算的值                                index=＂generation＂,       #透视的行，分组的依据                                aggfunc=＂sum＂)            #聚合函数  pokemon_p
　　②对数据透视表进行数值降序排列：可以更明显的看清楚各世代传说宝可梦的数量排列。  # 对透视表进行降序排列 pokemon_p = pokemon_p.sort_values(by=＂is_legendary＂,     # 排序依据                         ascending=False                 # 是否升序排列                        ) pokemon_p
　　③对新的透视结果做折线图展示：  #对新的透视结果做折线图展示  x=[1,2,3,4,5,6,7,8] y=pokemon_p[＂is_legendary＂]  plt.plot(x,y) plt.show()
　　④各世代宝可梦数量及传说宝可梦对比图：  #查看各世代宝可梦数量  f,ax=plt.subplots(1,2,figsize=(18,5))    #新建画布 pokemon[＂generation＂].value_counts().plot.bar(ax=ax[0])   #绘制世代宝可梦数量柱形图 ax[0].set_ylabel(＂countS＂)    #设置y轴标签 ax[0].set_title(＂Generation＂)    #设置x轴标签 sns.countplot(＂generation＂,hue=＂is_legendary＂,data=pokemon,ax=ax[1])    #绘制世代传说宝可梦数量对比柱形图 ax[1].set_title(＂Legendary VS Generation＂)    #设置标题 plt.show()
　　⑤计算各世代传说宝可梦占比：通过数据透视表操作。  #计算一下各世代传说宝可梦数量 #新建一个数据表格，用于保存世代generation与是否传说is_legendary两列数据  pokemon1=pokemon[[＂generation＂,＂is_legendary＂,＂pokedex_number＂]]  #建立数据透视表  pokemon_p=pokemon1.pivot_table(values=＂is_legendary＂,    #计算的值                                index=＂generation＂,       #透视的行，分组的依据                                aggfunc=＂sum＂)            #聚合函数  pokemon_q=pokemon1.pivot_table(values=＂pokedex_number＂,    #计算的值                                index=＂generation＂,       #透视的行，分组的依据                                aggfunc=＂count＂)            #聚合函数  pokemon_w = pd.concat([pokemon_p,pokemon_q],axis=1)    #用concat将两个表格连在一起 pokemon_w
　　可以看到第7世代的传说宝可梦占比最高，达到28%；而第1世代是最低的，只有3%。  #计算一下各世代传说宝可梦占比  pokemon_c = pokemon_w[＂is_legendary＂]/pokemon_w[＂pokedex_number＂] pokemon_c
　　⑥查看6大能力值与是否传说、世代的相关关系：先用相关关系矩阵查看效果。  #查看六大能力值与是否传说、世代的相关关系  pokemonNew = pokemon[[＂hp＂,＂attack＂,＂defense＂,＂sp_attack＂,＂sp_defense＂,＂speed＂,＂generation＂,＂is_legendary＂]]  pokemonNewCorr=pokemonNew.corr()                       plt.figure(figsize=(10,10))    #设置画布 sns.heatmap(pokemonNewCorr,annot=True,cmap=＂RdGy＂) plt.show()
　　查看各个能力值与是否为传说宝可梦的相关性排序：得到的结论是特攻值与是否为传说宝可梦相关度最高，也就是说传说宝可梦的特攻属性值一般是较高的。而防御与是否为传说宝可梦的相关度最低。  #查看各个特征与是否为传说宝可梦的相关性排序  pokemonNewCorr[＂is_legendary＂].sort_values(ascending=False)
　　⑦传说宝可梦的平均种族值：传说宝可梦的种族值平均高达611，而非传说宝可梦的种族值平均为410。  pokemonchuanshuo = pokemon[[＂base_total＂,＂is_legendary＂]]    #先将种族值和是否传说两列数据取出  pokemonchuanshuo1=pokemonchuanshuo.pivot_table(values=＂base_total＂,    #计算的值                                index=＂is_legendary＂,       #透视的行，分组的依据                                aggfunc=＂mean＂)            #聚合函数  # 对透视表进行降序排列 pokemonchuanshuo1 = pokemonchuanshuo1.sort_values(by=＂base_total＂,     # 排序依据                         ascending=False                 # 是否升序排列                        )  pokemonchuanshuo1
　　⑧分析不同种族与传说宝可梦的相关关系：得出的结论是种族与是否为传说宝可梦没有很强的相关性，相对来说超能力系、龙系是传说宝可梦的概率较高。  #将种族type1做转码  type1Df = pd.DataFrame()    #存放提取后的特征 type1Df = pd.get_dummies(pokemon[＂type1＂],prefix=＂type1＂)    #使用get_dummies进行one-hot编码，列名前缀是Embarked type1Df.head(10)
　　#将转码后的数据连接到原来的数据表格  pokemon = pd.concat([pokemon,type1Df],axis=1)    #添加one-hot编码产生的虚拟变量（dummy variable）到pokemon中 pokemon.head()
　　#查看不同种族与是否传说、世代的相关关系  pokemonNew = pokemon[     [＂type1_Bug＂,      ＂type1_Dark＂,      ＂type1_Dragon＂,      ＂type1_Electric＂,      ＂type1_Fairy＂,      ＂type1_Fighting＂,      ＂type1_Fire＂,      ＂type1_Flying＂,      ＂type1_Ghost＂,      ＂type1_Grass＂,      ＂type1_Ground＂,      ＂type1_Ice＂,      ＂type1_Normal＂,      ＂type1_Poison＂,      ＂type1_Psychic＂,      ＂type1_Rock＂,      ＂type1_Steel＂,      ＂type1_Water＂,      ＂generation＂,      ＂is_legendary＂] ]  pokemonNewCorr1=pokemonNew.corr()                       plt.figure(figsize=(20,20))    #设置画布 sns.heatmap(pokemonNewCorr1,annot=True,cmap=＂Blues＂) plt.show()
　　#查看各个种族与是否为传说宝可梦的相关性排序  pokemonNewCorr1[＂is_legendary＂].sort_values(ascending=False)
　　五、各世代推荐宝可梦  # 能力测评   属性值加起来×base_total def ability_value(x, output_number):          pokemon = x.copy()      pokemon = pokemon[pokemon.is_legendary == 0] #因为是平民策略，把神兽都排除掉      Xlist = []   # Xlist 是所有feature name，也就是宝可梦的所有属性名     for line in pokemon:         row = line.strip().split(＂,＂)         Xlist.append(row)      against_data = pokemon[Xlist[1]]     Xlist = np.array(Xlist)     for i in range(2, 18):         # against_data 为所有的against_??权值加起来的总和，和战斗力成正相关         against_data = against_data + np.array(pokemon[Xlist[i]])       base_total_value = pokemon[＂base_total＂]     battle_value = against_data.mul(base_total_value, axis=0)      rank_value = battle_value.sort_values(by=[＂against_bug＂], ascending=False, na_position=＂first＂)     rank_number = rank_value.axes[0].tolist()     for i in range(0, output_number):         print(＂【name】:  ＂, pokemon.chinese_name[rank_number[i]], ＂ 【base total】: ＂, pokemon.base_total[rank_number[i]])     return 0
　　def type_prefer(x):          pokemon = x.copy()     type_total = pokemon.type1.drop_duplicates(keep=＂first＂)     type_total.reset_index(drop=True, inplace=True)      for typenum in range(0, len(type_total)):         each_type_pokemon1 = pokemon.loc[pokemon[＂type1＂] == type_total[typenum]]         each_type_pokemon2 = pokemon.loc[pokemon[＂type2＂] == type_total[typenum]]         each_type_pokemon = each_type_pokemon1.append(each_type_pokemon2)         print(＂type name: ＂, type_total[typenum])         ability_value(each_type_pokemon, 3)  # 每种属性输出最牛逼的3个         print(＂------------------＂)
　　# 从培养难度考虑，培养经验值除以捕捉率，再乘以能力值，全部标准化 def training_hard_level(x, output_number):          pokemon = x.copy()      pokemon = pokemon[pokemon.is_legendary == 0]  # 因为是平民策略，把神兽都排除掉      # monitor的捕捉率按255算，因为反正能力值都一样，算好抓的     pokemon.capture_rate[773] = 255     pokemon.capture_rate = pd.to_numeric(pokemon.capture_rate)      normalization_base_total = (pokemon.base_total - pokemon.base_total.min()) / (                 pokemon.base_total.max() - pokemon.base_total.min())     normalization_capture_rate = (pokemon.capture_rate - pokemon.capture_rate.min()) / (                 pokemon.capture_rate.max() - pokemon.capture_rate.min())     normalization_experience_growth = (pokemon.experience_growth - pokemon.experience_growth.min()) / (                 pokemon.experience_growth.max() - pokemon.experience_growth.min())      Difficulty_level = normalization_experience_growth / normalization_capture_rate * normalization_base_total     Difficulty_level = Difficulty_level.sort_values(ascending=False, na_position=＂first＂)      rank_number = Difficulty_level.axes[0].tolist()     for i in range(0, output_number):         print(＂【name】:  ＂, pokemon.chinese_name[rank_number[i]], ＂ 【base total】: ＂, pokemon.base_total[rank_number[i]])     return 0
　　if __name__ == ＂__main__＂:     pokemon_Data = pd.read_excel(＂/Users/glenji/Desktop/pokemon.xlsx＂)     # 首先要确定是哪一代的游戏 1-7代     Xlist = []     for line in pokemon_Data:         row = line.strip().split(＂,＂)         Xlist.append(row)      generation_1 = pokemon_Data.iloc[0:151]     generation_2 = pokemon_Data.iloc[0:251]     generation_3 = pokemon_Data.iloc[0:386]     generation_4 = pokemon_Data.iloc[0:493]     generation_5 = pokemon_Data.iloc[0:649]     generation_6 = pokemon_Data.iloc[0:721]     generation_7 = pokemon_Data.iloc[0:801]      print(＂以第2代为例：＂)     print(＂===============纯从能力值考虑，前十名的宝可梦有：==================＂)     ability_value(generation_2,10)     print(＂==============考虑捕捉＋训练难度，前十名的宝可梦有：===============＂)     training_hard_level(generation_2, 10)     print(＂============考虑属性多样爱好者，每个属性的前三甲宝可梦有：===========＂)     type_prefer(generation_3)