Python之电子游戏销售数据Seaborn可视化笔记

作者: 悦悦学Python | 来源:发表于2021-08-24 17:01 被阅读0次

Python之电子游戏销售数据Seaborn可视化笔记
Python数据可视化方法之matplotlib
Bokeh数据可视化工具1快速入门
Python Seaborn综合指南，成为数据可视化专家
数据分析（5）--Seaborn
1 一元数据集的分布
Seaborn之绘图风格设置
Python数据可视化——分布数据可视化
详解seaborn图表中的kdeplot、rugplot、dis
Python数据可视化-Seaborn（含组合图）

这个笔记是R：https://www.kaggle.com/umeshnarayanappa/explore-video-games-sales
中的作品启发的。笔记的目标是尽可能简单地实现在上面的R笔记本中创建的可视化，使用Python以及一些附加的情节，并添加了一些评论和解释，以帮助Seborn/Python初学者他们的数据可视化/自定义。我们通过玩不同的颜色来保持事物的趣味性。

import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsMatplotlib is building the font cache using fc-list. This may take a moment.

使用熊猫在数据集中阅读。我们看到每一行条目对应于特定的游戏，数据包含游戏的名称、发布的年份以及一些分类特征，如平台、类型和发行者。最后，我们看到，游戏(行)条目还包括累计销售所取得的，按区域，按该特定的游戏。

df = pd.read_csv("/home/kesci/input/Datasets6073/vgsales.csv")df.head()

RankNamePlatformYearGenrePublisherNA_SalesEU_SalesJP_SalesOther_SalesGlobal_Sales01Wii SportsWii2006.0SportsNintendo41.4929.023.778.4682.7412Super Mario Bros.NES1985.0PlatformNintendo29.083.586.810.7740.2423Mario Kart WiiWii2008.0RacingNintendo15.8512.883.793.3135.8234Wii Sports ResortWii2009.0SportsNintendo15.7511.013.282.9633.0045Pokemon Red/Pokemon BlueGB1996.0Role-PlayingNintendo11.278.8910.221.0031.37

检查最大年值，我们看到它是2020年，这是一个不可能的发布日期。

year_data = df['Year']print("Max Year Value: ", year_data.max())Max Year Value:  2020.0

通过错误年份查看条目的名称，我们可以在网上搜索游戏的发布日期，并将当前值替换为正确的发布日期。

max_entry = year_data.idxmax()print(max_entry)max_entry = df.iloc[max_entry]pd.DataFrame(max_entry).T5957

RankNamePlatformYearGenrePublisherNA_SalesEU_SalesJP_SalesOther_SalesGlobal_Sales59575959Imagine: Makeup ArtistDS2020SimulationUbisoft0.27000.020.29

df['Year'] = df['Year'].replace(2020.0, 2009.0)print("Max Year Value: ", year_data.max())Max Year Value:  2017.0

下面我们检查游戏(行)的数量和独特的发行者、平台和类型的数量，以了解我们在数据集中的游戏是如何被明确地分布的。

print("Number of games: ", len(df))publishers = df['Publisher'].unique()print("Number of publishers: ", len(publishers))platforms = df['Platform'].unique()print("Number of platforms: ", len(platforms))genres = df['Genre'].unique()print("Number of genres: ", len(genres))Number of games:  16598Number of publishers:  579Number of platforms:  31Number of genres:  12

我们做一个简单的空值检查。我们可能会在网上搜索所有缺少的出版年份和出版商，但现在我们只需删除那些没有所有数据的游戏的条目。

print(df.isnull().sum())df = df.dropna()Rank              0Name              0Platform          0Year            271Genre             0Publisher        58NA_Sales          0EU_Sales          0JP_Sales          0Other_Sales       0Global_Sales      0dtype: int64

下面我们创建一个简单的列图表来表示视频游戏每年的“全球销售”总量。我们通过数据获取我们的数据–我们所有的电子游戏销售数据，按“年份”分组，然后调用.sum()来获得每年的总数。这将创建一个以我们的年份作为索引或行名的数据RAME，以及该年总销售额的条目。

在数据集中，表示年份的索引是浮点数，例如“2006.0”而不是“2006年”。我们通过把这些值作为整数来得到我们的x项。一旦数据准备就绪，我们就简单地将x和y变量传递给我们的SebornBarart函数。我们还设置了我们的x标签名称，标题，我们还旋转我们的xtickLabel和更改它们的fontSize。

y = df.groupby(['Year']).sum()y = y['Global_Sales']x = y.index.astype(int)plt.figure(figsize=(12,8))ax = sns.barplot(y = y, x = x)ax.set_xlabel(xlabel='$ Millions', fontsize=16)ax.set_xticklabels(labels = x, fontsize=12, rotation=50)ax.set_ylabel(ylabel='Year', fontsize=16)ax.set_title(label='Game Sales in $ Millions Per Year', fontsize=20)plt.show();

下面我们创建了一个简单的列图来表示每年发布的电子游戏的总数量，但是有一点扭曲，它是横向的，这意味着我们的年份条目，通常是我们的X轴，现在在Y轴上，而“Global_Sales”条目的计数通常在Y轴上，现在在X轴上。

x = df.groupby(['Year']).count()x = x['Global_Sales']y = x.index.astype(int)plt.figure(figsize=(12,8))colors = sns.color_palette("muted")ax = sns.barplot(y = y, x = x, orient='h', palette=colors)ax.set_xlabel(xlabel='Number of releases', fontsize=16)ax.set_ylabel(ylabel='Year', fontsize=16)ax.set_title(label='Game Releases Per Year', fontsize=20)

Text(0.5, 1.0, 'Game Releases Per Year')

下面我们创建了一个要点图，每个出版商每年的销售额都是最高的。全球销售额在Y轴上，年份在X轴上，我们使用切入点图的参数“hue”来代表最高的发行者。

我们使用一个支点表，它使计算“出版商”很容易，出版商的名字按年销售额计算，以及“销售额”，即该出版商每年产生的全球销售额。

注意，Pivot表接受一个函数要应用的参数，该参数具有其他选项，如均值、中值和模式。这个切入点需要一个dataframe，然后您可以简单地将列名添加到x、y和hue。我们还通过旋转和改变它们的大小来定制我们的xtick标签。

table = df.pivot_table('Global_Sales', index='Publisher', columns='Year', aggfunc='sum')publishers = table.idxmax()sales = table.max()years = table.columns.astype(int)data = pd.concat([publishers, sales], axis=1)data.columns = ['Publisher', 'Global Sales']plt.figure(figsize=(12,8))ax = sns.pointplot(y = 'Global Sales', x = years, hue='Publisher', data=data, size=15)ax.set_xlabel(xlabel='Year', fontsize=16)ax.set_ylabel(ylabel='Global Sales Per Year', fontsize=16)ax.set_title(label='Highest Publisher Revenue in $ Millions Per Year', fontsize=20)ax.set_xticklabels(labels = years, fontsize=12, rotation=50)plt.show();

下面，我们创建了一个游戏产生的全球销售，它每年赚的钱最多。我们还返回了下面的数据，以供参考。你可以为每个游戏映射不同的颜色，但是在一个有这么多条目的情节中添加一个传奇会让一个情节看起来很混乱。

此图的数据创建与上面类似，不包括使用色调来表示数据中的类别。相反，我们使用调色板，将我们想要的特定调色板中的颜色数传递给它。

table = df.pivot_table('Global_Sales', index='Name', columns='Year')table.columns = table.columns.astype(int)games = table.idxmax()sales = table.max()years = table.columnsdata = pd.concat([games, sales], axis=1)data.columns = ['Game', 'Global Sales']colors = sns.color_palette("GnBu_d", len(years))plt.figure(figsize=(12,8))ax = sns.barplot(y = years , x = 'Global Sales', data=data, orient='h', palette=colors)ax.set_xlabel(xlabel='Global Sales Per Year', fontsize=16)ax.set_ylabel(ylabel='Year', fontsize=16)ax.set_title(label='Highest Revenue Per Game in $ Millions Per Year', fontsize=20)plt.show();data

GameGlobal SalesYear1980Asteroids4.3101981Pitfall!4.5001982Pac-Man7.8101983Baseball3.2001984Duck Hunt28.3101985Super Mario Bros.40.2401986The Legend of Zelda6.5101987Zelda II: The Adventure of Link4.3801988Super Mario Bros. 317.2801989Tetris30.2601990Super Mario World20.6101991The Legend of Zelda: A Link to the Past4.6101992Super Mario Land 2: 6 Golden Coins11.1801993Super Mario All-Stars10.5501994Donkey Kong Country9.3001995Donkey Kong Country 2: Diddy’s Kong Quest5.1501996Pokemon Red/Pokemon Blue31.3701997Gran Turismo10.9501998Pokémon Yellow: Special Pikachu Edition14.6401999Pokemon Gold/Pokemon Silver23.1002000Pokémon Crystal Version6.3902001Gran Turismo 3: A-Spec14.9802002Grand Theft Auto: Vice City16.1502003Mario Kart: Double Dash!!6.9502004Grand Theft Auto: San Andreas20.8102005Nintendogs24.7602006Wii Sports82.7402007Wii Fit22.7202008Mario Kart Wii35.8202009Wii Sports Resort33.0002010Kinect Adventures!21.8202011Mario Kart 712.2102012New Super Mario Bros. 29.8202013Grand Theft Auto V18.8902014Pokemon Omega Ruby/Pokemon Alpha Sapphire11.3302015Call of Duty: Black Ops 35.0642016Uncharted 4: A Thief’s End4.2002017Phantasy Star Online 2 Episode 4: Deluxe Package0.020

data = df.groupby(['Publisher']).count().iloc[:,0]data = pd.DataFrame(data.sort_values(ascending=False))[0:10]publishers = data.indexdata.columns = ['Releases']colors = sns.color_palette("spring", len(data))plt.figure(figsize=(12,8))ax = sns.barplot(y = publishers , x = 'Releases', data=data, orient='h', palette=colors)ax.set_xlabel(xlabel='Number of Releases', fontsize=16)ax.set_ylabel(ylabel='Publisher', fontsize=16)ax.set_title(label='Top 10 Total Publisher Games Released', fontsize=20)ax.set_yticklabels(labels = publishers, fontsize=14)plt.show();

data = df.groupby(['Publisher']).sum()['Global_Sales']data = pd.DataFrame(data.sort_values(ascending=False))[0:10]publishers = data.indexdata.columns = ['Global Sales']colors = sns.color_palette("cool", len(data))plt.figure(figsize=(12,8))ax = sns.barplot(y = publishers , x = 'Global Sales', data=data, orient='h', palette=colors)ax.set_xlabel(xlabel='Revenue in $ Millions', fontsize=16)ax.set_ylabel(ylabel='Publisher', fontsize=16)ax.set_title(label='Top 10 Total Publisher Game Revenue', fontsize=20)ax.set_yticklabels(labels = publishers, fontsize=14)plt.show();

rel = df.groupby(['Genre']).count().iloc[:,0]rel = pd.DataFrame(rel.sort_values(ascending=False))genres = rel.indexrel.columns = ['Releases']colors = sns.color_palette("summer", len(rel))plt.figure(figsize=(12,8))ax = sns.barplot(y = genres , x = 'Releases', data=rel, orient='h', palette=colors)ax.set_xlabel(xlabel='Number of Releases', fontsize=16)ax.set_ylabel(ylabel='Genre', fontsize=16)ax.set_title(label='Genres by Total Number of Games Released', fontsize=20)ax.set_yticklabels(labels = genres, fontsize=14)plt.show();

rev = df.groupby(['Genre']).sum()['Global_Sales']rev = pd.DataFrame(rev.sort_values(ascending=False))genres = rev.indexrev.columns = ['Revenue']colors = sns.color_palette('Set3', len(rev))plt.figure(figsize=(12,8))ax = sns.barplot(y = genres , x = 'Revenue', data=rev, orient='h', palette=colors)ax.set_xlabel(xlabel='Revenue in $ Millions', fontsize=16)ax.set_ylabel(ylabel='Genre', fontsize=16)ax.set_title(label='Genres by Total Revenue Generated in $ Millions', fontsize=20)ax.set_yticklabels(labels = genres, fontsize=14)plt.show();