CSGO Pro Players Dataset

ҚАЗАҚСТАН РЕСПУБЛИКАСЫ БІЛІМ ЖӘНЕ ҒЫЛЫМ МИНИСТІРЛІГІ ҒҰМАРБЕК ДАУКЕЕВ АТЫНДАҒЫ

«АЛМАТЫ ЭНЕРГЕТИКА ЖӘНЕ БАЙЛАНЫС УНИВЕРСИТЕТІ»

Коммерциялық емес акционерлік қоғамы

№3 Есептеу графикалық жұмыс

Пәні: «Үлкен деректер және автоматтандыру құралдары» Мамандығы: Радиотехника, электроника және телекоммуникация Тақырып: CSGO Pro Players Dataset

Орындаған: Тобы:

Қабылдаған:

[pic 1]

(бағасы)        (қолы)

«        »                 2023ж.

Алматы, 2023 ж

Как личный поклонник соревновательной игры CSGO, я решил извлечь данные 803 профессиональных игроков из HLTV

Столбцы

nick: Внутриигровое имя профессионального игрока. country: Страна профессионального игрока.

stats_link: Ссылка на страницу статистики игрока на hltv.org teams: Текущая и предыдущая команды игрока. maps_played: Общее количество карт, сыгранных игроком.

round_played: Общее количество раундов, сыгранных игроком. kd_difference: Разница между убийством и смертью.

kd_ratio: Соотношение убийств и смертей игрока. rating: Средний рейтинг игрока.

total_kills: Общее количество убийств игрока в соревновательной игре. headshot_percentage: Процент попаданий игрока в голову.

total_deaths: Общее количество смертей игрока в соревновательной игре.

grenade_damage_per_round: Средний урон (с использованием молотова, осколочно-фугасной гранаты и т. д.), нанесенный игроком за раунд.

kills_per_round: Убийств за раунд игрока.

assists_per_round: Ассисты за раунд игрока. Ассист засчитывается только тогда, когда игрок наносит противнику 41 урон или более, а другой игрок убивает противника.

teammate_saved_per_round: Среднее количество товарищей по команде, сохраненных игроком за раунд.

saved_by_teammate_per_round: Среднее количество раз, когда игрок был спасен своим товарищем по команде.

kast: Согласно HLTV: «Процент раундов, в которых у игрока был либо Kболен, либо Assist, либо Survived, либо Traded».

impact: Среднее влияние игрока в играх. Параметр рассчитывается на основе ряда факторов, таких как множественные убийства, выигранные сцепления 1vX, нанесенный урон, экономические решения, флэш-ассисты и многие другие факторы.

Первым шагом будет импортирование библиотеки pandas и загрузка датасета в DataFrame:

[pic 2]

Затем можно выполнить базовый анализ данных:

[pic 3]

И на экране мы увидим подробную информацию о загруженном датасете

[pic 4]

[pic 5]

[pic 6]

[pic 7]

Выведим топ-10 игроков по количеству сыгранных карт:

[pic 8]

Проводим анализ данных по странам и командам, например, можно вывести топ-10 стран и команд по количеству игроков в датасете:

[pic 9]

Кроме того, можно провести группировку данных по различным параметрам и выполнить агрегирование:

[pic 10]

Отфильтруем данные по игрокам из Казахстана и отсортируем их по рейтингу:

[pic 11]

В этом коде мы сначала загружаем данные из CSV-файла в pandas DataFrame. Затем мы фильтруем данные, используя условие df['country'] == 'Kazakhstan', чтобы оставить только игроков из Казахстана. Далее мы сортируем эти данные по столбцу rating, используя метод sort_values(), и сохраняем результат в переменную kz_players_sorted. Наконец, мы выводим на экран только некоторые столбцы DataFrame с помощью индексации по именам столбцов [['nick', 'country', 'rating']].

Отфильтруем игроков из Казахстана по количеству киллов и отсортировать их в порядке убывания количества киллов:

[pic 12]

Мы фильтруем данные, используя условие df['country'] == 'Kazakhstan', чтобы оставить только игроков из Казахстана. Далее мы сортируем эти данные по столбцу total_kills, используя метод sort_values(), и сохраняем результат в переменную kz_players_sorted. Наконец, мы выводим на экран только некоторые столбцы DataFrame с помощью индексации по именам столбцов [['nick', 'country', 'total_kills']].

Для создания рейтинга игроков из СНГ можно использовать следующий код:

[pic 13]

В результате получим таблицу с топ-10 игроками из СНГ по среднему рейтингу.