数据分析案例-国际象棋*棋手数据可视化分析（文末送书）

时间：2024-03-23 13:01:46

 

????‍♂️ 个人主页：@艾派森的个人主页

✍????作者简介：Python学习者
???? 希望大家多多支持，我们一起进步！????
如果文章对你有帮助的话，
欢迎评论 ????点赞???????? 收藏 ????加关注+

目录

1.项目背景

2.数据集介绍

3.技术工具

4.导入数据

5.数据可视化

文末推荐与福利

1.项目背景

        研究国际象棋*棋手数据的可视化分析可以为棋手、教练、和象棋爱好者提供深入洞察，并揭示国际象棋领域的趋势、模式和关键因素。以下是该实验的研究背景：

  1. 棋手表现评估： 国际象棋是一项高度竞争的运动，*棋手的表现受多种因素影响，包括棋局胜率、开局选择、中局战术、和终局技巧。通过可视化分析这些因素，我们可以更好地了解什么样的策略和技术在*比赛中更为成功。

  2. 发展趋势分析： 通过追踪不同年代的*棋手，可以分析国际象棋领域的演变。这可能包括开局流行趋势的变化、新兴的棋局战术和不同棋手之间的对弈模式。这有助于理解棋局发展的方向，并对未来的象棋战术和策略产生启示。

  3. 比赛统计和对局风格： 可视化分析可以揭示*棋手之间的比赛统计，包括胜率、平局率、败局率等。同时，可以探讨不同棋手的对局风格，例如攻击性、防守性或者中性。这对棋手个性的研究以及比赛中的策略选择提供了深入理解。

  4. 年龄与棋力关系： 通过分析*棋手的年龄和他们的国际象棋等级分（Elo分数）之间的关系，可以了解国际象棋高手的职业生涯发展轨迹。这有助于预测棋手在不同阶段的职业生涯可能面临的挑战和机会。

  5. 开局选择和变革： 可以通过可视化分析研究*棋手在开局阶段的选择，探讨哪些开局变革在当前国际象棋领域中变得流行。这对棋手和教练提供了指导，可以帮助他们优化开局准备。

        综合而言，国际象棋*棋手数据的可视化分析有助于提供对象棋领域深入洞察的工具，为棋手提供改进策略的建议，为教练制定培训计划提供指导，并为象棋社区提供有趣的见解和启示。

2.数据集介绍

        本数据集来源于Kaggle，原始数据集共有1071条，4个变量，各变量含义解释如下：

GM：玩家的官方头衔

Player：玩家姓名

Rating | Ranking：国际棋联评级 |世界排名

Federation：国际象棋棋手联合会

关于此数据集

利用此数据集探索国际象棋世界，该数据集包含*棋手、他们当前的评级、全球排名以及各自的联合会。深入了解国际象棋的竞争格局，深入了解各国顶尖棋手。

3.技术工具

Python版本:3.9

代码编辑器：jupyter notebook

4.导入数据

导入第三方库并加载数据

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')

df=pd.read_csv('top_chess_players.csv')
df.head()

查看数据大小

查看数据基本信息

查看数据描述性统计

统计缺失值情况

发现有24个缺失值需要处理

删除缺失值

统计重复值情况

删除重复值

 拆分排名和评分

# 拆分排名和评分
def split_rating(string):
    if pd.isnull(string):
        return np.nan
    string = str(string)
    part = string.split('| #')
    return int(part[0])

def split_ranking(string):
    if pd.isnull(string):
        return np.nan
    string = str(string)
    part = string.split('| #')
    if len(part) > 1:
        return int(part[1])
    else:
        return np.nan

df['Rating'] = df['Rating | Ranking'].apply(split_rating)
df['Ranking'] = df['Rating | Ranking'].apply(split_ranking)
df.head()

5.数据可视化

# 世界排名前十的棋手
top_player_by_rank=df[['Player','Ranking']].head(10)
plt.figure(figsize=(10,6))
ax=sns.barplot(data=top_player_by_rank, x='Player', y='Ranking',palette='rocket')
plt.xticks(rotation=90)
plt.show()

# 游戏玩家分布
plt.figure(figsize=(10,6))
ax=sns.countplot(x='Title',data=df,palette='rocket')
plt.show()

# 各联盟球员分布
plt.figure(figsize=(14,6))
ax=sns.countplot(x='Federation',data=df,palette='rocket')
plt.xticks(rotation=90)
plt.show()

# *国际象棋联合会平均最高评级
import matplotlib.pyplot as plt

top_fed = df.groupby('Federation')['Rating'].median().sort_values(ascending=False).head(5)
plt.figure(figsize=(6, 6))
plt.pie(x=top_fed.values, labels=top_fed.index, autopct=lambda p: '{:.2f}'.format(p * sum(top_fed.values) / 100), startangle=140, colors=plt.cm.Set3.colors, explode=[0.2, 0, 0, 0, 0], shadow=True)
plt.title('Average Ratings of Top  Federation')
plt.axis('equal')
plt.show()

 

top_im=df[df['Title']=='IM'].sort_values(by='Ranking',ascending=True)[['Player','Rating','Ranking']].head(10)
top_im

# IM排名前十
ax=sns.barplot(y='Player',x='Ranking',data=top_im,palette='rocket_r')
plt.xlabel('Player Name')
plt.title('Top 10 IM Title Holder Chess Player by Ranking')
plt.show()

# 排名前10的国际象棋选手
top_player_by_rating=df[['Player','Rating']].head(10)
plt.figure(figsize=(10,6))
ax=sns.barplot(data=top_player_by_rating, x='Player', y='Rating',palette='rocket')
plt.xticks(rotation=90)
plt.show()

文末推荐与福利

《巧用ChatGPT轻松学演讲》免费包邮送出3本！

​

内容简介：      

       本书从基础的演讲知识入手，到演讲稿的写作技巧，再到系统地指导读者如何有效地利用ChatGPT进行演讲稿写作和演讲练习，最后通过实际的行业案例进行深入的学习和实战应用。使读者不仅可以系统地学习演讲的相关知识，还能对如何利用ChatGPT进行有效的演讲有更为深入的理解。

        本书分为23章，主要内容包括演讲的基础知识，讲述基本的演讲原则和技巧；演讲稿的写作，引导读者了解如何撰写吸引人的演讲稿；演讲的表达，讲解演讲的身体语言和音调控制；演讲的实战技巧，实例演示如何在实际场合中有效地发表演讲；详细介绍ChatGPT的功能和应用方法，教你如何编写提示词，使用ChatGPT写演讲稿，使用ChatGPT练习演讲，并使用ChatGPT应对演讲挑战；以及探索国内大模型的应用与技巧迁移。最后，还提供了各行业的演讲稿案例。

        本书内容通俗易懂，案例丰富，实用性强，特别适合希望提升演讲能力的读者阅读，也适合需要进行公众演讲的职业人士。另外，本书也适合作为相关培训机构的教材使用。

编辑推荐：           

（1）系统：ChatGPT助力，全流程解锁演讲思维与技巧。

（2）经典：凝聚作者10年传播学经验，全面呈现卓越演讲技能。

（3）深入：近30个场景演讲案例，逐层剖析，AI引领演讲能力再升级。

  • 抽奖方式：评论区随机抽取3位小伙伴免费送出！
  • 参与方式：关注博主、点赞、收藏、评论区评论“人生苦短，拒绝内卷！”（切记要点赞+收藏，否则抽奖无效，每个人最多评论三次！）
  • 活动截止时间：2024-3-26 20:00:00

  • 当当：http://product.dangdang.com/29688763.html

    京东：https://item.jd.com/14380418.html

 名单公布时间：2024-3-26 21:00:00 

资料获取，更多粉丝福利，关注下方公众号获取

在这里插入图片描述

相关文章