本身是个美剧迷，其中权力的游戏是我最爱的美剧之一，所以我通过kaggle下载了数据集并进行分析。数据名称解释如下：
name: 战争的名称，字符变量。
year: 战争发生的年份，数值变量。
battle_number: 本数据中的unique id，对应每一场独立的战役，数值变量。
attacker_king: 攻击方的国王，"/"表示了国王的更换。例如："Joffrey/Tommen Baratheon"意味着Tomen Baratheon继承了Joffrey的王位，分类变量。
defender_king: 防守方的国王，分类变量。
attacker_1: 攻击方将领，字符变量。
attacker_2: 攻击方将领，字符变量。
attacker_3: 攻击方将领，字符变量。
attacker_4: 攻击方将领，字符变量。
defender_1: 防守方将领，字符变量。
defender_2: 防守方将领，字符变量。
defender_3: 防守方将领，字符变量。
defender_4: 防守方将领，字符变量。
attacker_outcome: 从攻击方角度来看的战争结果，分别有：win, loss, draw，分类变量。
battle_type: 战争的类别。pitched_battle: 双方军队在一个地点相遇并战斗，这也是最基本的战争类别；ambush: 以隐身或诡计为主要攻击手段的战争；siege: 阵地战；razing: 对未设防位置的攻击。分类变量。
major_death: 是否有重要人物的死亡，二进制变量。
major_capture: 是否有重要人物的被捕，二进制变量。
attacker_size: 攻击方力量的大小，并未对骑兵、步兵等士兵种类有所区分，数值变量。
defender_size: 防守方力量的大小，并未对骑兵、步兵等士兵种类有所区分，数值变量。
attacker_commander: 攻击方的主要指挥官。指挥官的名字中并没有包含头衔，不同的指挥官名字用逗号隔开，字符变量。
defender_commander: 防守方的主要指挥官。指挥官的名字中并没有包含头衔，不同的指挥官名字用逗号隔开，字符变量。
summer: 战争是否发生于夏天，二进制变量。
location: 战争发生的地点，字符变量。
region: 战争发生的地域，包括：Beyond the Wall, The North, The Iron Islands, The Riverlands, The Vale of Arryn, The Westerlands, The Crownlands, The Reach, The Stormlands, Dorne，分类变量。
note: 注释，字符变量。首先我们先提出问题：
1 导入包
# TO DO: load pacakges
import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns %matplotlib inline
1 收集数据
# TO DO: load the dataset df = pd.read_csv('battles.csv') df.columns
1.1 查看数据类型
df.info()
df.describe()
收集和查看完数据，我们要对数据进行整理了
二 数据整理
2.1 首先备份数据
# 备份
df1 = df.copy()
通过观察数据我们发现以下错误：
质量错误：
1.defender3 and defender4 都是 NaN，并且他们的类型为float。
2.部分数据丢失，解决丢失问题。
3. year与battle_number 类型错误
# 去除'attacker_2', 'attacker_3', 'attacker_4', 'defender_2', 'defender_3', 'defender_4', 'note'列 data_game_clean = data_game_clean.drop(['attacker_2', 'attacker_3', 'attacker_4', 'defender_2', 'defender_3', 'defender_4', 'note'], axis=1)
data_game_clean['attacker_king'] = data_game_clean['attacker_king'].astype('category')
data_game_clean['defender_king'] = data_game_clean['defender_king'].astype('category')
data_game_clean['battle_type'] = data_game_clean['battle_type'].astype('category')
data_game_clean['region'] = data_game_clean['region'].astype('category')
# year与battle_number 类型错误，需要把int转换成object data_game_clean['year'] = data_game_clean['year'].astype('object') data_game_clean['battle_number'] = data_game_clean['battle_number'].astype('object')
# 检查是否有重复值 sum(data_game_clean.duplicated())
查看结果
data_game_clean.attacker_outcome.head()
# 检查是否有重复值 sum(df1.duplicated())
数据探索分析
每个国王攻击次数
data_game_clean['attacker_king'].value_counts().plot(kind='barh',rot=45) plt.show()
从图中看出第一的是Joffrey/Tommen Baratheon作为进攻方进行了14场战斗，主要原因是各个领主不承认Joffrey的合法地位，因为Joffrey是瑟曦和他弟弟的孩子，身体中淌着兰尼斯特家族的血，为了让各领主承认其合法地位，所以进行了大量战斗。第二个是Robb Stark，因为其父亲被害开始复仇之战。
每个国王攻击方式
sns.set(style="darkgrid") sns.countplot(y='battle_type', hue='attacker_king', data = df1) plt.legend(bbox_to_anchor=(1.05, 1)) plt.show()
这场战斗分为四种类型，分别为遭遇战、伏击战、围城战、razing(不懂这个意思)，可以看出Joffrey/Tommen Baratheon的14场战争中有6场遭遇战、3场伏击战和5场围城战，而史塔克是10场战争中有5场伏击战和3场遭遇战和2场围城战，能够看出Joffrey/Tommen Baratheon更喜欢遭遇战，而史塔克更喜欢伏击战。还能够看出只有Stannis Baratheon进行过razing。
每个区域死亡或被俘的重要人物人数
#去除major_death major_capture的空值 df0 = data_game_clean.dropna(subset = ['major_death', 'major_capture']) #给每个区域分组并计算major_death major_capture的和 data = df0.groupby('region').sum()[['major_death', 'major_capture']] data
#将region计数，并转化为表格与data合并
p = pd.concat([data, df0.region.value_counts().to_frame()], axis = 1)
#排序 p = p.sort_values('region', ascending = False)
#作图 p.plot.barh() plt.xlabel('count') plt.title('attacker_outcome_size')
可以看出在The Riverlands发生的战争最多，死亡和被俘的人物也最多，而血色婚礼也发生在此，史塔克家族在这里伤亡惨重。北境虽然发生的战争多，但死亡的重要人物少。
战争结果是否与兵力多少有关系
# 去除'attacker_size', 'defender_size','attacker_outcome'3列空值 df2 = data_game_clean.dropna(subset = ['attacker_size', 'defender_size','attacker_outcome']) # 计算进攻与防御的兵力差值 df3 = df2.attacker_size - df2.defender_size #将其转化为dataframe df3 = df3.to_frame(name='size') #将这一列合并至df1表格中 result = pd.concat([df2,df3],join='outer',axis=1) result.info()
sns.lmplot(x = 'attacker_size', y = 'defender_size', hue='attacker_outcome', fit_reg=False,data = data_game)
战争结果是否与兵力多少没有关系，只有2场战争是在兵力取得优势的情况下胜利的，其他都是以少胜多，因为战争有很多不可预测性，不是人多就能打赢战争的。
attackers = df_data_game_clean.attacker_king.map(lambda x:str(x).split(",")) empty_array = [] for i in attackers: empty_array = np.append(empty_array, i)
from wordcloud import WordCloud cloud = WordCloud(width=1440, height=1080, relative_scaling=0.5, stopwords=['battle']).generate(" ".join(empty_array)) plt.figure(figsize=(20, 15)) plt.imshow(cloud) plt.axis('off') plt.show()
可以看到offrey/Tommen Baratheon被提及的更多，而Euron Greyjoy被提及的最少。
得出结论
结论：
1.每个国王攻击方式：可以看出Joffrey/Tommen Baratheon的14场战争中有6场遭遇战、3场伏击战和5场围城战，而史塔克是10场战争中有5场伏击战和3场遭遇战和2场围城战，能够看出Joffrey/Tommen Baratheon更喜欢遭遇战，而史塔克更喜欢伏击战。还能够看出只有Stannis Baratheon进行过razing。
2.每年死亡或被俘的重要人物：299年发生的战争被俘和死亡的重要人物最多，可能和发生的战争次数有关，因为299年发生的战争次数最多。
3.每个区域死亡或被俘的重要人物人数：可以看出在The Riverlands发生的战争最多，死亡和被俘的人物也最多，而血色婚礼也发生在此，史塔克家族在这里伤亡惨重。北境虽然发生的战争多，但死亡的重要人物少。
4.战争结果是否与兵力多少有关系:战争结果是否与兵力多少没有关系，只有2场战争是在兵力取得优势的情况下胜利的，其他都是以少胜多，因为战争有很多不可预测性，不是人多就能打赢战争的。
5.可以看到offrey/Tommen Baratheon被提及的更多，而Euron Greyjoy被提及的最少。