S1到S9，545名职业选手，有多少人折戟全球总决赛？

640?wx_fmt=gif

上周末英雄联盟S9总决赛落下帷幕，FPX打败了G2获得了冠军。

这次来看一下那些参加过英雄联盟全球总决赛的选手们。

来看看会不会发现什么有意思的东西。

数据来源于「Liquipedia」，一个国外的网站。

https://liquipedia.net/leagueoflegends/Main_Page(复制到浏览器打开)

S1到S9，数据真的是应有尽有。

本次主要是获取历年参加英雄联盟全球总决赛选手们的信息。

以及S4到S9历年Top20榜单选手们的信息。

毕竟小凤凰夺冠了，排面还是要有的。

可怜的贡子哥，两个都没得...

01 数据获取

昨天晚上着急了一下，不小心把爬取Top20榜单的代码给删除了。

所以就给大家看看历年参赛选手信息爬取的代码。

总而言之还是比较简单的～

import requests
from bs4 import BeautifulSoup

headers = {
     'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/77.0.3865.90 Safari/537.36'
}

for k in range( 2011, 2020):
    print(str(k) + '年')
     # 获取信息
    url = 'https://liquipedia.net/leagueoflegends/World_Championship/' + str(k)
    response = requests.get(url=url, headers=headers)
    soup = BeautifulSoup(response.text, 'html.parser')
    table = soup.find_all(class_= 'sortable wikitable')
    tbody = table[ 0].find( 'tbody')

     for i in tbody.find_all( 'tr')[ 1:]:
        td = i.find_all( 'td')
        item = {}
        item[ 'range'] = td[ 0].get_text()
         # 地区
        item[ 'country'] = td[ 1].get_text().replace( ' ', '')
         # 数量
        item[ 'number'] = td[ 2].get_text().replace( ' ', '').split( '/')[ 0]
         # 名字
        item[ 'names'] = td[ 3].get_text().replace( ' ', '').replace( ',', ' ')
         # print(item)
         # 写入csv文件中
         with open( 'lol_message.csv', 'a+') as f:
            f.write(item[ 'country'] + ',' + item[ 'number'] + ',' + item[ 'names'] + ',' + str(k) + '\n')

最后成功获取到两个文件。

比如那个一直在打野的Jankos，以及那个快乐的Pzi。

02 数据分析

http://hanabi.data-viz.cn/index(复制到浏览器打开)

本次主要使用它的条形图以及动态条形图。

接下来看一下历年各个地区参赛人数情况。

# 历年各地区参赛人数数据透视表
df1 = df.pivot_table(index=[ 'country'], columns= 'year', values= 'number', fill_value= 0).reset_index()
print(df1)
df1.to_csv( 'lol_year.csv')

使用网站上的动态条形图，对数据有要求，所以用了一波数据透视表。

「滑动查看下一张图片」

可以看到韩国一枝独秀，多年位居第一。

最后来看一下Top20榜单的情况。

import pandas as pd

# 设置列名与数据对齐
pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)
# 显示10行
pd.set_option('display.max_rows', 10)

# 读取数据
df = pd.read_csv('lol_top.csv', header=None, names=['range', 'country', 'name', 'position', 'team', 'year'])
# 修改数据
df = df.replace('AD Cary', 'AD Carry')
df = df.replace('Bottom', 'AD Carry')
df = df.replace('Jungler', 'Jungle')
df = df.replace('Middle', 'Mid')
print(df)

# 统计选手出现在榜单的次数
df1 = df.groupby(['name'])[['country']].count().reset_index().sort_values(by='country', ascending=False)
print(df1)
df1.to_csv('lol_name.csv', encoding='utf-8-sig')

# 统计队伍出现在榜单的次数
df2 = df.groupby(['team'])[['name']].count().reset_index().sort_values(by='name', ascending=False)
print(df2)
df2.to_csv('lol_team.csv', encoding='utf-8-sig')

# 统计地区出现在榜单的次数
df3 = (df.groupby(['country'])[['name']].count().reset_index().sort_values(by='name', ascending=False))
print(df3)
df3.to_csv('lol_country.csv', encoding='utf-8-sig')

# 统计位置出现在榜单的次数
df4 = (df.groupby(['position'])[['country']].count().reset_index().sort_values(by='country', ascending=False))
print(df4)
df4.to_csv('lol_position.csv', encoding='utf-8-sig')

那些熟悉的昵称，总是能让你不禁回想起那么一批人(loler)。

万水千山总是情，点个「在看」行不行。

今天的文章 S1到S9，545名职业选手，有多少人折戟全球总决赛？分享到此就结束了，感谢您的阅读。

S1到S9，545名职业选手，有多少人折戟全球总决赛？

相关推荐