‘kaggle视频游戏销售数据的可视化和分析‘项目实现

🚩首先在介绍本章之前，我们有必要清楚学习技术的真正意义：我认为学习技术的真正意义是能够运用所学去处理实际问题，而不是用知识去包装自己让自己成为技术界的“纸老虎”。

老铁们，让技术有用武之地。我们要以项目为线索，逐步深入开发的各个环节，掌握常用的优化思路。提升工程编码能力和思维能力。

数据分析流程

一、项目背景及目的

1、项目背景

我们要处理的是一份电子游戏行业综合销售数据，希望通过分析电子游戏行业在全球的发展概况，产生一份综合的游戏行业报告。

2、分析目的

从市场角度： 各个地区销售额变化（折线图）的数据可视化和分析。

从平台角度： 开发游戏数量前二十（条形图）的数据可视化和分析，近些年的趋势有什么变化？

从类型角度： 探究用户最喜欢的游戏类型top10是什么，近些年的趋势有什么变化？

二、数据收集与整理

1、数据来源

所用到的vgsale.csv数据均从Kaggle平台下载：

Kaggle平台https://www.kaggle.com/datasets/gregorut/videogamesales

2、数据说明

数据集包含了从1980年到2020年来，发行的电子游戏销售数据。
文件名称说明包含特征特征对应中文名vgsale.csv
电子游戏销售数据

Rank、Name、Platform、Year、Genre、Publisher、

NA_Sales、EU_Sales、JP_Sales、Other_Sales、

Global_Sales
排名、游戏名、平台、发行年份、类型、发行商、NA销售额、EU销售额、JP销售额、其他地区销售额、总销售额

3、理解数据

数据集的每一行表示一条用户行为，由排名、游戏名、平台、发行年份、类型、发行商、NA销售额、EU销售额、JP销售额、其他地区销售额、总销售额组成，并以逗号分隔。关于数据集中每一列的详细描述如下：👇
列名称说明排名整数类型，序列化后的排名游戏名字符串，游戏名称平台字符串，该游戏发行平台名称发行年份浮点型，该游戏的发行日期类型字符串，该游戏的类型发行商字符串，该游戏的发行商名称NA销售额浮点型，小数点后有效数字为2位，该游戏北美销售额（百万）EU销售额浮点型，小数点后有效数字为2位，该游戏欧洲销售额（百万）JP销售额浮点型，小数点后有效数字为2位，该游戏日本销售额（百万）其他地区销售额浮点型，小数点后有效数字为2位，该游戏世界其他地区销售额（百万）总销售额浮点型，小数点后有效数字为2位，该游戏全球销售额（百万）

三、数据处理

1、导入数据

（1）导入模块

#1、导入模块
import pandas as pd
import numpy as np

（2）解决中文显示问题

import matplotlib as mpl
mpl.rcParams['font.sans-serif'] = ['KaiTi', 'SimHei', 'FangSong']  # 汉字字体,优先使用楷体，如果找不到楷体，则使用黑体
mpl.rcParams['font.size'] = 12  # 字体大小
mpl.rcParams['axes.unicode_minus'] = False  # 正常显示负号

（3）读取源文件

#3、读取源文件
df=pd.read_csv(r"C:\Users\lis\Desktop\vgsales.csv")
//这里我使用的是本地文件夹下的csv文件

2、检查数据

（4）检查前五组数据

#4、检查前五组数据
print(df.head())

运行结果：

（5）一下每列的数据类型

#5、查一下每列的数据类型
print(df.dtypes)

运行结果：

（6）检测数据集的几行几列（形状）

#6、检测数据集的几行几列（形状）
print(df.shape)

运行结果：

（7）获取数据集的长度

#7、获取数据集的长度
print(len(df))

运行结果：

（8）获取数据集的基本信息

#8、获取数据集的基本信息
print(df.info())

运行结果：

3、数据清洗

（1）去重（很明显没有重复数据，不需要去重）drop_duplicates()

（2）检测是否有缺失值

#2.1、检测是否有缺失值
df.isnull().any()

运行结果：

（3）缺失值的图形显示（安装模块——missingno）

#2.2、缺失值的图形显示（安装模块——missingno）
import missingno as mano
import matplotlib.pyplot as plt
mano.matrix(df,figsize=(16,5),labels=True)
plt.show()

运行结果：

（4）缺失率的计算

#2.3、缺失率的计算
def mis_val_table(df):#自定义一个函数
    #缺失值的个数
    mis_val=df.isnull().sum()#sum求出缺失值个数
    mis_val_per=100*mis_val/len(df)#比上数据长度得到缺失率
    mis_val_table=mis_val_per.to_frame()#转换为DataFrame数据
    mis_val_table.columns=['缺失率']#让列名等于‘缺失率’
    mis_val_table=mis_val_table.sort_values(by='缺失率',ascending=False)#通过sort_values函数将值从大到小排序
    print(mis_val_table)#最后按倒序打印出缺失率
mis_val_table(df)
#通过结果可以看出缺失率非常小，删除不影响处理结果

运行结果：

（5）删除缺失值

#2.4、删除缺失值
df.dropna(inplace=True)
df.info()
#删除之后数据由16598变为16291，删去了307行缺失数据
#到这里第2步‘缺失值的处理’，就完成了

（6）转化

#3、转化
df['Year']=df['Year'].astype(int)#将年份转换为整形
df.info()

运行结果：

（7）异常数据处理

#4、异常数据处理
print(df[df['Year']>2022])#通过数据过滤
#输出结果为空，没有异常数据

运行结果：

4、保存新数据

#5、保存清洗完的数据
df.to_csv('games.csv',index=0)#index=0删去第一行unname数据，避免对后面操作造成麻烦
#到这里，‘数据清洗’操作全部完成

四、数据分析

1、求出每个平台总的销售业绩，并绘制出线性图，并做简单的数据分析

#1、求出每个平台总的销售业绩，并绘制出线性图，并做简单的数据分析
df1=df.groupby('Platform')['Global_Sales'].sum()#对Platform分组，找到全球销售额，求和
print(df1)
df1.plot(xlabel='开发平台',ylabel='销售总额')#画图
# 分析：最高PS2达到1233.46
#分析   最低PCFX 为0.03

运行结果：

2、 求出每个平台总的销售业绩,排出前5名，画柱形图

#2、 求出每个平台总的销售业绩,排出前5名，画柱形图
df2=df.groupby('Platform')['Global_Sales'].sum().sort_values(ascending=False).head(5)#对Platform分组，找到全球销售额，求和，排序，拿到前五
print(df2)
df2.plot.bar(xlabel='开发平台', ylabel='销售总额')#画图

运行结果：

3、求出每个平台在北美的平均销售业绩，线形图

# 3、求出每个平台在北美的平均销售业绩，线形图
df3=df.groupby('Platform')['NA_Sales'].mean()#对Platform分组，找到北美销售额，求平均
print(df3)
df3.plot(xlabel='开发平台',ylabel='平均销售业绩')#画图
#最高为GB 1.171546
#最低为3DO GG NG PCFX TG16 WS 为0

运行结果：

4、求出年销售额前5的年份和销售额,并画出柱状图

# 4、求出年销售额前5的年份和销售额,并画出柱状图
df4=df.groupby('Year')['Global_Sales'].sum().sort_values(ascending=False).head(5)#对Year分组，找到全球销售额，求和，排序，拿到前五
print(df4)
df4.plot.bar(xlabel='年份', ylabel='销售额')

运行结果：

5、求出类别为Sports的游戏在北美、欧洲、日本和其他地区的销售总额

# 5、求出类别为Sports的游戏在北美、欧洲、日本和其他地区的销售总额
df5=df[df['Genre']=='Sports'][['NA_Sales','EU_Sales','JP_Sales','Other_Sales']].sum()#过滤出Sports类型数据，分别找出北美、欧洲、日本、其他
                                                                                    #地区求和
df5.plot.bar(xlabel='地区',ylabel='销售额')#画图

运行结果：

6、统计每个平台开发不同游戏类型的个数

# 6、统计每个平台开发不同游戏类型的个数
df6=df.groupby(["Platform",'Genre']).count()['Year']#对Platform，Genre进行分组，用count统计游戏类型个数，通过['Year']找到对应的值
df6.plot()#画图

运行结果：

7、求出年份在1998和2008年之间的每个发行商的销售业绩。

# 7、求出年份在1998和2008年之间的每个发行商的销售业绩。
df7=df[(df['Year']<=2008)&(df['Year']>=1998)].groupby('Publisher')['Global_Sales'].sum()#过滤出年份在1998-2008的数据，对Publisher分组，找到
                                                                                        #全球销售额，求和
df7.plot(xlabel='发行商', ylabel='销售业绩')#画图

运行结果：

8、发行商的销售业绩排行榜（前20名），画线性图

# 8、发行商的销售业绩排行榜（前20名），画线性图
df8=df.groupby('Publisher')['Global_Sales'].sum().sort_values(ascending=False).head(20)#对Publisher分组，找到全球销售额，求和，排序，拿出前20
df8.plot(xlabel='发行商', ylabel='销售业绩')#画图

运行结果：

9、哪种类型的游戏最受欢迎？

# 9、哪种类型的游戏最受欢迎？
df9=df.groupby('Genre')['Global_Sales'].sum().sort_values(ascending=False).head(20)#对Genre分组，找到全球销售额，求和，排序，拿出前20
df9.plot(xlabel='游戏类型', ylabel='销售额')
#分析：通过销售额可以看出Action类型游戏最受欢迎

运行结果：

10、每个地区最受欢迎的三类游戏

# 10、每个地区最受欢迎的三类游戏
# 对Genre进行分组，分别找到北美、欧洲、日本、其他地区销售额，求和，排序，拿出前3，分别画图
df10_1=df.groupby('Genre')['NA_Sales'].sum().sort_values(ascending=False).head(3)
df10_2=df.groupby('Genre')['EU_Sales'].sum().sort_values(ascending=False).head(3)
df10_3=df.groupby('Genre')['JP_Sales'].sum().sort_values(ascending=False).head(3)
df10_4=df.groupby('Genre')['Other_Sales'].sum().sort_values(ascending=False).head(3)

df10_1.plot.bar(xlabel='游戏类型',ylabel='销售额',title='北美最受欢迎的三类游戏')
df10_2.plot.bar(xlabel='游戏类型',ylabel='销售额',title='欧洲最受欢迎的三类游戏')
df10_3.plot.bar(xlabel='游戏类型',ylabel='销售额',title='日本最受欢迎的三类游戏')
df10_4.plot.bar(xlabel='游戏类型',ylabel='销售额',title='其它地区最受欢迎的三类游戏')

运行结果：

11、每个游戏开发平台开发的游戏总数（前20名）

# 11、每个游戏开发平台开发的游戏总数（前20名）
print(df['Platform'].value_counts().head(20))
df11=df['Platform'].value_counts().sort_values(ascending=False).head(20)#找到Platform数据，用value_counts()统计每个平台开发游戏的总数，排序
                                                                        #拿出前20
df11.plot.bar(xlabel='开发平台',ylabel='数量',title='游戏开发平台开发的游戏总数')#画图
#分析最多：DS 达到2131
#    最低：2600仅为116

运行结果：

12、平台名为NES的下一步应该寻求哪十个发行商合作

#12、平台名为NES的下一步应该寻求哪十个发行商合作
dfx=df[df['Platform']=='NES'].groupby('Publisher')['Global_Sales'].sum().sort_values(ascending=False).head(10)#过滤出平台名为NES的数据，对
                                                                                                              #Publisher分组，找到全球销售额
dfx.plot.bar(xlabel='发行商',ylabel='销售额')#画图                                                            #求和，排序，拿出前10

运行结果：