-
Notifications
You must be signed in to change notification settings - Fork 0
/
main.py
153 lines (117 loc) · 4.68 KB
/
main.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
import pandas as pd
import numpy as np
from pandasgui import show
import matplotlib.pyplot as plt
import statsmodels.api as sm
from scipy.stats import kstest
import json
import Data_Analytics as da
#show(file)
da_object = da.Data_Analytics('./games.csv')
'''¿Cuantas partidas se han registrado?'''
print("Se han registrado un total de "+ str(da_object.numPartidasRegistradas()) +" partidas")
'''¿Cuantas seasons se han registrado?'''
seasons = da_object.seasonsRegistradas()
print("Se han registrado un total de: "+ str(len(seasons))+" seasons")
print("--------------")
for i in seasons:
print("Temporada: "+ str(i))
'''¿Cuál ha sido la duración media por partida?'''
mean, std = da_object.duracionMediaPorPartida()
print("De media, cada partida ha durado "+str(mean)+" minutos")
print("Con una desviación de +- "+ str(std)+ " minutos")
#¿Proviene la duración de las partidas de una distribución normal?
da_object.qqPlot()
'''¿El lado azul(1) tiene mayor ventaja que el lado rojo(2)?'''
porcentaje_azul, porcentaje_rojo = da_object.winnerProportion()
print("El lado azul ha ganado un "+str(porcentaje_azul)+" % de las partidas")
print("El lado rojo ha ganado un "+str(porcentaje_rojo)+" % de las partidas")
'''¿Cuál ha sido el spell más usado?¿Y el que menos?'''
spells = pd.DataFrame()
for i in range(2):
for j in range(5):
#cad = cad+'\'t'+str(i+1)+'_champ'+str(j+1)+'_sum'+str(i+1)+'\''+','
spells = spells.append(file['t'+str(i+1)+'_champ'+str(j+1)+'_sum'+str(i+1)])
spells = spells.transpose()
spell = []
count = []
for i in range(2):
for j in range(5):
champ_sum = 't'+str(i+1)+'_champ'+str(j+1)+'_sum'+str(i+1)
sums = spells.groupby(champ_sum).size().reset_index(name='cuenta')
sums = sums.to_numpy()
c = sums[np.argmax(np.max(sums, axis=1)), :]
spell.append(c[0])
count.append(c[1])
max_sum_count = np.argmax(count)
max_sum_id = spell[max_sum_count]
max_sum_name = ''
total_max_sum_count = 0
for i in range(len(count)):
if spell[i] == max_sum_id:
total_max_sum_count = total_max_sum_count + count[i]
with open('./summoner_spell_info.json', 'r') as f:
data = json.load(f)
max_sum_name = data['data'][str(max_sum_id)]['name']
print("El spell más usado ha sido el "+ max_sum_name+" usado en un "+ str(round(total_max_sum_count / total_partidas * 100,2)) +"%")
'''(1)¿Qué relación hay entre el número de Baron Nashor y victoria?'''
'''(2)¿Qué relación hay entre el número de Dragones y victoria?'''
'''(3)¿Y de monstruos en total?'''
baron_nashor = file.groupby(['t1_baronKills', 't2_baronKills', 'winner']).size().reset_index(name='cuenta')
'''
baron_nashor_t1 = file[['t1_baronKills', 'winner']]
numpy_bn = baron_nashor_t1.to_numpy()
print(baron_nashor)
my_rho = np.corrcoef(numpy_bn[:,0], numpy_bn[:,1])
print(my_rho)
#baron_nashor.hist()
#plt.show()
'''
'''(3)'''
monstruos = file[['t1_baronKills', 't1_dragonKills', 't1_riftHeraldKills', 't2_baronKills', 't2_dragonKills', 't2_riftHeraldKills']]
monstruos_t1 = monstruos['t1_baronKills'] + monstruos['t1_dragonKills'] + monstruos['t1_riftHeraldKills']
monstruos_t2 = monstruos['t2_baronKills'] + monstruos['t2_dragonKills'] + monstruos['t2_riftHeraldKills']
stats_t1 = pd.concat([monstruos_t1, file['winner']])
print(stats_t1)
print(monstruos_t1)
fig = plt.figure()
#ax = fig.add_subplot(111, label="1")
#ax2 = fig.add_subplot(111, label="2")
'''
ax.plot(gameId, )
ax.set_xlabel("x label 1", color="C0")
ax.set_ylabel("y label 1", color="C0")
ax.tick_params(axis='x', colors="C0")
ax.tick_params(axis='y', colors="C0")
'''
'''
ax2.plot(monstruos_t2, gameId)
ax2.xaxis.tick_top()
ax2.yaxis.tick_right()
ax2.set_xlabel('x label 2', color="C1")
ax2.set_ylabel('y label 2', color="C1")
ax2.xaxis.set_label_position('top')
ax2.yaxis.set_label_position('right')
ax2.tick_params(axis='x', colors="C1")
ax2.tick_params(axis='y', colors="C1")
'''
monstruos_t1 = monstruos_t1.to_numpy()
labels, counts = np.unique(monstruos_t1, return_counts=True)
plt.subplot(1,2,1)
plt.title("Lado Azul", color='blue')
plt.bar(labels, counts, align='center')
plt.gca().set_xticks(labels)
monstruos_t2 = monstruos_t2.to_numpy()
labels, counts = np.unique(monstruos_t2, return_counts=True)
plt.subplot(1,2,2)
plt.title("Lado Rojo", color='red')
bar_list = plt.bar(labels, counts, align='center', color='red')
plt.gca().set_xticks(labels)
plt.show()
labels = 'Azul', 'Rojo'
total_monstruos_azul = round(monstruos_t1.sum() / len(gameId) * 100, 2)
total_monstruos_rojo = round(monstruos_t2.sum() / len(gameId) * 100, 2)
plt.pie([total_monstruos_azul, total_monstruos_rojo], labels=labels, autopct='%1.1f%%')
plt.show()
'''Para el siguiente día, Mirar las composiciones por partida'''
#show(file[[cad[:-1]]])