王者荣耀这么久了，还没上王者？哈哈哈，看过来，是不是对英雄理解的不够透彻呢，是不是还没有很好的为英雄分类呢，今天就来看看英雄分类
技术栈
一、EM 聚类简介
二、爬取网上的英雄初始属性值
三、做成饼图
EM 聚类简介
EM 英文名是 Expectation Maximization，也叫最大期望算法。
在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variable）。
最大期望算法经过两个步骤交替进行计算，第一步是计算期望（E），利用对隐藏变量的现有估计值，计算其最大似然估计值；第二步是最大化（M），最大化在 E 步上求得的最大似然值来计算参数的值。M 步上找到的参数估计值被用于下一个 E 步计算中，这个过程不断交替进行。
进行英雄聚类
使用 sklearn 库中的的 EM 聚类算法框架，采用高斯混合模型
一些主要参数意义如下，其他参数可以查看相关文档
n_components:混合高斯模型个数，也就是想要的聚类个数，默认为1
covariance_type:协方差类型，包括{‘full’,‘tied’, ‘diag’, ‘spherical’}四种，分别对应完全协方差矩阵（元素都不为零），相同的完全协方差矩阵（HMM会用到），对角协方差矩阵（非对角为零，对角不为零），球面协方差矩阵（非对角为零，对角完全相同，球面特性），默认‘full’ 完全协方差矩阵
max_iter:最大迭代次数，默认100
所以可以构造 GMM 聚类如下：
有一份如下结构的数据：
可以看到，涉及到的属性非常多，初始的属性设置如下：
属性降维
可以先通过热力图来判断下哪些属性是强相关的，只保留唯一属性
可以看到，其中”1级最大法力“，”15级最大法力“，”最大法力成长“，是强相关的，由此可以做出属性筛选，最终保留的属性如下：
数据规范化
将攻击范围字段（”近/远程？“）转换为 0 和 1
data_new['近/远程？'] = data_new['近/远程？'].map({'远程': 1,'近程': 0})复制代码
EM 聚类计算
采用高斯混合模式，并把生成的类别写入 csv 文件中
饼图输出
为了更加直观的查看各个英雄的分组情况，这里使用饼图来做可视化 首先取出数据的”分组“和”名称“两个字段，并对”分组“字段进行分组处理
然后取出分组中的数值，并用 pyecharts 来画饼图
抓取英雄初始属性
要想获得更加全的英雄数据，还是需要到网上抓取，这样才能够保证英雄的数量是最新的。这里我使用的是db.18183.com/网站的数据，页面如下：
获取英雄页面 URL
使用 BeautifulSoup 来定位到 class 为 mod-iconlist 的 ul 元素，里面保存的就是各个英雄的页面
抓取详细信息
循环抓取到的 URL 列表，抓取每个英雄的详细信息
保存到 csv 文件
open 一个文件，把对应的列表字段存入
数据清理
因为这个网站可能做的不是很用心，有些属性会存在两个百分号和为空的情况，如图：
所以需要处理下。
对于两个百分号，直接使用 notepad++ 把所有的 %% 的替换为单 % 即可
对于为空的字段，使用如下代码处理，填为 0
完成
对于数据规范化，GMM 聚类和饼图呈现，都和前面类似，不再赘述，下面来看看饼图效果
虽然通过这两张饼图，没有办法一下子提高你手残的毛病，但是明确了英雄的分类，不是离王者更近了一步吗
网友评论