簡(jiǎn)介
來(lái)源于Udacity數(shù)據(jù)分析試學(xué)項(xiàng)目陶衅。
五王之戰(zhàn)（War of the Five Kings）是著名嚴(yán)肅奇幻小說(shuō)《冰與火之歌》中的著名內(nèi)戰(zhàn)屡立。這是一場(chǎng)規(guī)模空前搀军、波及七大王國(guó)的內(nèi)亂膨俐。顧名思義，前后共有五人在戰(zhàn)爭(zhēng)中稱(chēng)王：?jiǎn)谭鹄镎志洹⑹诽鼓崴狗俅獭⑺{(lán)禮均聲稱(chēng)自己是鐵王座的合法繼承人。除此之外门烂，羅柏·史塔克被北境眾封臣推選為北境之王乳愉，巴隆·葛雷喬伊亦再度掀起獨(dú)立大旗兄淫，欲擺脫鐵王座的統(tǒng)治，自稱(chēng)為鐵群島之王蔓姚。
本數(shù)據(jù)集(battles.csv)包含了五王之戰(zhàn)期間的戰(zhàn)爭(zhēng)捕虽，它是所有戰(zhàn)斗的大集合。該數(shù)據(jù)是Kaggle中Game of Thrones的一部分坡脐。
數(shù)據(jù)中的變量含義解釋?zhuān)?/p>
name: 戰(zhàn)爭(zhēng)的名稱(chēng)泄私，字符變量。
year: 戰(zhàn)爭(zhēng)發(fā)生的年份备闲，數(shù)值變量晌端。
battle_number: 本數(shù)據(jù)中的unique id，對(duì)應(yīng)每一場(chǎng)獨(dú)立的戰(zhàn)役恬砂，數(shù)值變量斩松。
attacker_king: 攻擊方的國(guó)王，"/"表示了國(guó)王的更換觉既。例如："Joffrey/Tommen Baratheon"意味著Tomen Baratheon繼承了Joffrey的王位惧盹，分類(lèi)變量。
defender_king: 防守方的國(guó)王瞪讼，分類(lèi)變量钧椰。
attacker_1: 攻擊方將領(lǐng)，字符變量符欠。
attacker_2: 攻擊方將領(lǐng)嫡霞，字符變量。
attacker_3: 攻擊方將領(lǐng)希柿，字符變量诊沪。
attacker_4: 攻擊方將領(lǐng)，字符變量曾撤。
defender_1: 防守方將領(lǐng)端姚，字符變量。
defender_2: 防守方將領(lǐng)挤悉，字符變量渐裸。
defender_3: 防守方將領(lǐng)，字符變量装悲。
defender_4: 防守方將領(lǐng)昏鹃，字符變量。
attacker_outcome: 從攻擊方角度來(lái)看的戰(zhàn)爭(zhēng)結(jié)果诀诊，分別有：win, loss, draw洞渤，分類(lèi)變量。
battle_type: 戰(zhàn)爭(zhēng)的類(lèi)別属瓣。pitched_battle: 雙方軍隊(duì)在一個(gè)地點(diǎn)相遇并戰(zhàn)斗载迄，這也是最基本的戰(zhàn)爭(zhēng)類(lèi)別奈懒；ambush: 以隱身或詭計(jì)為主要攻擊手段的戰(zhàn)爭(zhēng)；siege: 陣地戰(zhàn)宪巨；razing: 對(duì)未設(shè)防位置的攻擊。分類(lèi)變量溜畅。
major_death: 是否有重要人物的死亡捏卓，二進(jìn)制變量。
major_capture: 是否有重要人物的被捕慈格，二進(jìn)制變量怠晴。
attacker_size: 攻擊方力量的大小，并未對(duì)騎兵浴捆、步兵等士兵種類(lèi)有所區(qū)分蒜田，數(shù)值變量。
defender_size: 防守方力量的大小选泻，并未對(duì)騎兵冲粤、步兵等士兵種類(lèi)有所區(qū)分，數(shù)值變量页眯。
attacker_commander: 攻擊方的主要指揮官梯捕。指揮官的名字中并沒(méi)有包含頭銜，不同的指揮官名字用逗號(hào)隔開(kāi)窝撵，字符變量傀顾。
defender_commander: 防守方的主要指揮官。指揮官的名字中并沒(méi)有包含頭銜碌奉，不同的指揮官名字用逗號(hào)隔開(kāi)短曾，字符變量。
summer: 戰(zhàn)爭(zhēng)是否發(fā)生于夏天赐劣，二進(jìn)制變量嫉拐。
location: 戰(zhàn)爭(zhēng)發(fā)生的地點(diǎn)，字符變量魁兼。
region: 戰(zhàn)爭(zhēng)發(fā)生的地域椭岩，包括：Beyond the Wall, The North, The Iron Islands, The Riverlands, The Vale of Arryn, The Westerlands, The Crownlands, The Reach, The Stormlands, Dorne，分類(lèi)變量璃赡。
note: 注釋?zhuān)址兞俊?
提出問(wèn)題
在此項(xiàng)目中判哥，你將以一名數(shù)據(jù)分析師的身份執(zhí)行數(shù)據(jù)的探索性分析。你將了解數(shù)據(jù)分析過(guò)程的基本流程碉考。在你分析數(shù)據(jù)之前塌计，請(qǐng)先思考幾個(gè)你需要理解的關(guān)于這些戰(zhàn)斗的問(wèn)題，例如侯谁，哪一個(gè)區(qū)域發(fā)生了最多的戰(zhàn)爭(zhēng)锌仅？哪一個(gè)國(guó)王獲得了最多的勝利章钾？戰(zhàn)爭(zhēng)的勝利與否受那些關(guān)鍵因素的影響？
問(wèn)題：請(qǐng)寫(xiě)下你感興趣的問(wèn)題热芹，請(qǐng)確保這些問(wèn)題能夠由現(xiàn)有的數(shù)據(jù)進(jìn)行回答贱傀。
（為了確保學(xué)習(xí)的效果，請(qǐng)確保你的數(shù)據(jù)分析報(bào)告中能夠包含2幅可視化和1個(gè)相關(guān)性分析伊脓。）
我提出的問(wèn)題：
1.這些戰(zhàn)役共涉及幾位國(guó)王參戰(zhàn)府寒，各自參戰(zhàn)的比例是多少？
2.每個(gè)國(guó)王的勝率是多少报腔？
3.哪個(gè)國(guó)王更具侵略性株搔？
4.哪種戰(zhàn)爭(zhēng)類(lèi)型最多，哪種勝率更高纯蛾？
5.除了幾位國(guó)王勢(shì)力纤房，還有其他那些家族參與了戰(zhàn)爭(zhēng)，他們是哪位國(guó)王的聯(lián)盟翻诉？
6.所有戰(zhàn)爭(zhēng)前后經(jīng)歷了幾年炮姨，每年的夏天的比例是多少？
在提出了問(wèn)題之后碰煌，我們將開(kāi)始導(dǎo)入數(shù)據(jù)剑令，并對(duì)數(shù)據(jù)進(jìn)行探索性分析，來(lái)回答上面提出的問(wèn)題拄查。
數(shù)據(jù)評(píng)估和清理
# TO DO: load pacakges
#coding=utf-8
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用來(lái)正常顯示中文標(biāo)簽
# TO DO: load the dataset
got_df = pd.read_csv('battles.csv')
got_df
Out[3]:由于移動(dòng)端顯示表格不理想吁津，這里只放了原始數(shù)據(jù)的圖片供參考
# TO DO: check the dataset general info
got_df.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 38 entries, 0 to 37
Data columns (total 25 columns):
name 38 non-null object
year 38 non-null int64
battle_number 38 non-null int64
attacker_king 36 non-null object
defender_king 35 non-null object
attacker_1 38 non-null object
attacker_2 10 non-null object
attacker_3 3 non-null object
attacker_4 2 non-null object
defender_1 37 non-null object
defender_2 2 non-null object
defender_3 0 non-null float64
defender_4 0 non-null float64
attacker_outcome 37 non-null object
battle_type 37 non-null object
major_death 37 non-null float64
major_capture 37 non-null float64
attacker_size 24 non-null float64
defender_size 19 non-null float64
attacker_commander 37 non-null object
defender_commander 28 non-null object
summer 37 non-null float64
location 37 non-null object
region 38 non-null object
note 5 non-null object
dtypes: float64(7), int64(2), object(16)
memory usage: 7.5+ KB
可以看出，數(shù)據(jù)集中共收錄了38場(chǎng)戰(zhàn)役堕扶，defender3 4,無(wú)數(shù)據(jù)碍脏， note沒(méi)有分析的意義，所以去掉這些字段稍算。
# TO DO: clean the data (optional: only there are problems)
got_df.drop([ 'defender_3','defender_4', 'note'], axis=1, inplace=True)
另外典尾，本次數(shù)據(jù)分析主要針對(duì)五位國(guó)王進(jìn)行分析，在數(shù)據(jù)集中糊探，第23場(chǎng)戰(zhàn)役和第30場(chǎng)戰(zhàn)役均無(wú)對(duì)壘雙方國(guó)王的信息钾埂，所以在這里刪除這兩場(chǎng)戰(zhàn)役
got_df.drop([22,29], axis=0, inplace=True)
got_df
got_df.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 36 entries, 0 to 37
Data columns (total 22 columns):
name 36 non-null object
year 36 non-null int64
battle_number 36 non-null int64
attacker_king 36 non-null object
defender_king 35 non-null object
attacker_1 36 non-null object
attacker_2 10 non-null object
attacker_3 3 non-null object
attacker_4 2 non-null object
defender_1 36 non-null object
defender_2 2 non-null object
attacker_outcome 35 non-null object
battle_type 35 non-null object
major_death 35 non-null float64
major_capture 35 non-null float64
attacker_size 24 non-null float64
defender_size 19 non-null float64
attacker_commander 36 non-null object
defender_commander 28 non-null object
summer 35 non-null float64
location 36 non-null object
region 36 non-null object
dtypes: float64(5), int64(2), object(15)
memory usage: 6.5+ KB
數(shù)據(jù)探索分析
1.這些戰(zhàn)役共涉及幾位國(guó)王參戰(zhàn)，各自參戰(zhàn)的比例是多少科平？
# 攻擊方國(guó)王
attacker=got_df.groupby('attacker_king').size()
# 防御方國(guó)王
defender=got_df.groupby('defender_king').size()
# 兩者相加統(tǒng)計(jì)國(guó)王參戰(zhàn)次數(shù)
king_total= attacker.add(defender,fill_value=0)
king_total
Balon/Euron Greyjoy 11.0
Joffrey/Tommen Baratheon 27.0
Mance Rayder 1.0
Renly Baratheon 1.0
Robb Stark 24.0
Stannis Baratheon 7.0
dtype: float64
# 繪制餅圖
king_total.plot.pie(labels=['Balon/Euron Greyjoy', 'Joffrey/Tommen Baratheon', 'Mance Rayder', 'Renly Baratheon', 'Robb Stark', 'Stannis Baratheon'],
autopct='%.1f%%', fontsize=16, figsize=(6, 6),style = dict, title =u'參戰(zhàn)國(guó)王')
共有六位國(guó)王參與了戰(zhàn)爭(zhēng)褥紫，除了五王之外，Mance作為塞外之王帶領(lǐng)長(zhǎng)城以北的野人參與了黑城堡之戰(zhàn)Battle of Castle Black瞪慧，這里我也發(fā)現(xiàn)了數(shù)據(jù)集中的一個(gè)明顯的錯(cuò)誤髓考，如下表，在Battle of Castle Black一戰(zhàn)中弃酌，Mance Rayder應(yīng)該是攻擊一方氨菇，應(yīng)該是attacker_king儡炼，而不應(yīng)該是defender_king。根據(jù)右面的attacker_1字段是Free folk查蓉，以及attacker_commander字段包含Mance也可以看出來(lái)乌询。不過(guò)這里依然保留原始數(shù)據(jù)，不再對(duì)數(shù)據(jù)做修正豌研。
作為七國(guó)國(guó)王妹田，Joffrey參與了最多的戰(zhàn)爭(zhēng)，參戰(zhàn)率為38.0%聂沙，緊隨其后的是北境之王Robb，參戰(zhàn)率為33.8%初嘹。
Renly 僅參加了一場(chǎng)戰(zhàn)斗Siege of Storm's End及汉，就命喪于風(fēng)息堡。
2.每個(gè)國(guó)王的勝率是多少屯烦？
# 攻擊方獲勝
attacker_win = got_df[got_df['attacker_outcome'] == 'win'].groupby('attacker_king').size()
# 防御方獲勝
defender_win = got_df[got_df['attacker_outcome'] == 'loss'].groupby('defender_king').size()
# 總共勝利戰(zhàn)役數(shù)量
king_win = attacker_win.add(defender_win,fill_value=0)
king_win
Balon/Euron Greyjoy 7.0
Joffrey/Tommen Baratheon 16.0
Mance Rayder 1.0
Robb Stark 9.0
Stannis Baratheon 2.0
dtype: float64
# 勝率
king_win.div(king_total,fill_value=0)
Balon/Euron Greyjoy 0.636364
Joffrey/Tommen Baratheon 0.592593
Mance Rayder 1.000000
Renly Baratheon 0.000000
Robb Stark 0.375000
Stannis Baratheon 0.285714
dtype: float64
# 柱狀圖
king_win.div(king_total,fill_value=0).plot.bar(figsize=(6,5),fontsize=16,title = u'各王勝率')
從柱狀圖可知坷随，Mance僅參加一場(chǎng)戰(zhàn)斗而且獲勝，勝率最高驻龟，實(shí)際前面也提到温眉，這條數(shù)據(jù)應(yīng)該是錯(cuò)誤的，實(shí)際Mance應(yīng)該是戰(zhàn)敗方翁狐，所以并不具備參考價(jià)值类溢。
其余五王中，鐵群島Balond 的勝率最高為63.6%露懒，鐵民天生就是打架的材料闯冷；Joffrey依托君臨城御林軍和Lannister家族的強(qiáng)大實(shí)力，在參戰(zhàn)次數(shù)最多的前提下懈词，依然保持了較高的勝率蛇耀；可憐的Renly僅參戰(zhàn)一場(chǎng)并且失敗，勝率為0最低坎弯，不過(guò)Stannis利用紅袍女Melisandre的魔法將Renly殺死纺涤，的確也勝之不武；耿直的狼家Robb雖然參戰(zhàn)次數(shù)不少抠忘，但勝率卻不高撩炊，的確缺乏戰(zhàn)略天賦。
3.哪個(gè)國(guó)王更具侵略性崎脉？
# 各王作為攻擊方的次數(shù)柱狀圖
attacker.plot.bar(figsize=(6,5),fontsize=16,title = u'各王攻擊次數(shù)')
從圖中可以看出衰抑，Joffrey坐擁鐵王座，成為了最具侵略性的國(guó)王荧嵌。
4.哪種戰(zhàn)爭(zhēng)類(lèi)型最多呛踊，哪種勝率更高砾淌？
# 戰(zhàn)爭(zhēng)類(lèi)別統(tǒng)計(jì)
battle_type=got_df.groupby('battle_type').size()
battle_type.plot.pie(labels=['ambush', 'pitched battle', 'razing', 'siege'],
autopct='%.1f%%', fontsize=16, figsize=(6, 6),style = dict, title =u'戰(zhàn)爭(zhēng)類(lèi)別')
可以看出，pitched battle比例最高谭网。
# 獲勝的戰(zhàn)爭(zhēng)類(lèi)別統(tǒng)計(jì)
battle_type_win = got_df[got_df['attacker_outcome']== 'win'].groupby('battle_type').size()
# 不同戰(zhàn)爭(zhēng)類(lèi)別勝率
battle_type_win.div(battle_type,fill_value=0)
battle_type_win.div(battle_type,fill_value=0).plot.bar(figsize=(6,5),fontsize=16,title = u'不同戰(zhàn)爭(zhēng)類(lèi)別勝率')
可以看出汪厨，ambush 和 razing都保持了100%的勝率，但是razing的數(shù)量太小愉择，不具備一般性劫乱，所以還是認(rèn)為ambush的勝率最高。
5.除了幾位國(guó)王勢(shì)力锥涕，還有其他那些家族參與了戰(zhàn)爭(zhēng)衷戈，他們是哪位國(guó)王的聯(lián)盟？
## 從attacker_1 2 3 4和defender_1 2中提取所有的家族
a1=got_df.groupby('attacker_1').size()
a2=got_df.groupby('attacker_2').size()
a3=got_df.groupby('attacker_3').size()
a4=got_df.groupby('attacker_4').size()
d1=got_df.groupby('defender_1').size()
d2=got_df.groupby('defender_2').size()
# 所有series相加
a1.add(a2,fill_value=0).add(a3,fill_value=0).add(a4,fill_value=0).add(d1,fill_value=0).add(d2,fill_value=0)
aratheon 11.0
Blackwood 1.0
Bolton 4.0
Bracken 1.0
Brave Companions 1.0
Darry 2.0
Free folk 1.0
Frey 4.0
Giants 1.0
Glover 2.0
Greyjoy 11.0
Karstark 2.0
Lannister 18.0
Mallister 1.0
Mormont 2.0
Night's Watch 1.0
Stark 16.0
Thenns 1.0
Tully 7.0
Tyrell 2.0
dtype: float64
以上是所有參與戰(zhàn)爭(zhēng)的家族或勢(shì)力层坠，可以看到參與次數(shù)最多的家族Baratheon殖妇，Greyjoy，Lannister破花，Stark正是五王出生的家族谦趣，（Joffrey/Tommen 雖然姓Baratheon，但實(shí)際上是純種的Lannister)座每。
由于家族太多前鹅，這里選擇兩個(gè)來(lái)舉例分析他們是誰(shuí)的同盟 Tully 以及 Tyrell
Tully 家族：
# Tully 為attacker時(shí)的attacker_king是誰(shuí)？
attacker_king_tully = got_df[(got_df['attacker_1']=='Tully')|(got_df['attacker_2']=='Tully')|(got_df['attacker_3']=='Tully')|
(got_df['attacker_4']=='Tully')].groupby('attacker_king').size()
# Tully 為defender時(shí)的defender_king是誰(shuí)峭梳？
defender_king_tully = got_df[(got_df['defender_1']=='Tully')|(got_df['defender_2']=='Tully')].groupby('defender_king').size()
# Tully 家族在戰(zhàn)爭(zhēng)中支持的國(guó)王
attacker_king_tully.add(defender_king_tully,fill_value=0)
attacker_king
Robb Stark 7
dtype: int64
由此可見(jiàn)舰绘，Tully家族在7次戰(zhàn)爭(zhēng)中都支持了Robb Stark，這是理所應(yīng)當(dāng)?shù)拇型郑驗(yàn)镽obb的母親是Catelyn Tully...
Tyrell家族：
# Tyrell 為attacker時(shí)的attacker_king是誰(shuí)除盏？
attacker_king_tyrell = got_df[(got_df['attacker_1']=='Tyrell')|(got_df['attacker_2']=='Tyrell')|(got_df['attacker_3']=='Tyrell')|
(got_df['attacker_4']=='Tyrell')].groupby('attacker_king').size()
# Tyrell 為defender時(shí)的defender_king是誰(shuí)？
defender_king_tyrell = got_df[(got_df['defender_1']=='Tyrell')|(got_df['defender_2']=='Tyrell')].groupby('defender_king').size()
# Tyrell家族在戰(zhàn)爭(zhēng)中支持的國(guó)王
attacker_king_tyrell.add(defender_king_tyrell,fill_value=0)
defender_king
Joffrey/Tommen Baratheon 2.0
dtype: float64
顯然挫以，Tyrell家族在2次戰(zhàn)爭(zhēng)中都支持了Joffrey者蠕。
其實(shí)一開(kāi)始，Tyrell家族是擁護(hù)Renly的掐松，在Renly死后踱侣，Tyrell家族與Lannister家族結(jié)盟，小玫瑰Margaery Tyrell被許配給了Joffrey成為七國(guó)王后大磺，在Joffrey死后又再度許配給了Tommen...
6.所有戰(zhàn)爭(zhēng)前后經(jīng)歷了幾年抡句，每年的夏天的比例是多少？
totalday = got_df.groupby('year').size()
totalday
year
298 7
299 19
300 10
dtype: int64
戰(zhàn)爭(zhēng)前后經(jīng)歷了3年杠愧。
# 每年的夏天的占比
summer = got_df[got_df.summer == 1].groupby('year').size()
summer.div(totalday,fill_value=0)
year
298 1.000000
299 0.947368
300 0.000000
dtype: float64
可以看出待榔，298年和299年都是夏天，而300年沒(méi)有夏天，凜冬將至锐锣。
冰與火的小說(shuō)中提到了腌闯，維斯特洛大陸的季節(jié)并沒(méi)有規(guī)律，之前已經(jīng)經(jīng)歷了十年長(zhǎng)夏雕憔，而天氣逐漸寒冷姿骏，所以這才印證了Stark家族的族語(yǔ)
“Winter is coming”
得出結(jié)論
問(wèn)題：上面的分析能夠回答你提出的問(wèn)題？通過(guò)這些分析你能夠得出哪些結(jié)論斤彼？
答案：
1.六位國(guó)王參戰(zhàn)分瘦，比例如之前餅圖所示
2.每位國(guó)王的勝率如之前的柱狀圖所示，Balond勝率最高
3.Joffrey更具侵略性琉苇，攻擊別人次數(shù)最多
4.pitched battle戰(zhàn)爭(zhēng)類(lèi)型最多嘲玫，ambush類(lèi)型勝率最高
5.具體家族及聯(lián)盟關(guān)系詳見(jiàn)分析
6.戰(zhàn)爭(zhēng)前后經(jīng)歷了3年，300年已經(jīng)沒(méi)有夏天并扇，凜冬將至
反思
問(wèn)題：在你的分析和總結(jié)過(guò)程中是否存在邏輯嚴(yán)謹(jǐn)去团。是否有改進(jìn)的空間? 你可以從下面的一些角度進(jìn)行思考：
- 數(shù)據(jù)集是否完整，包含所有想要分析的數(shù)據(jù)拜马？
- 在對(duì)數(shù)據(jù)進(jìn)行處理的時(shí)候渗勘，你的操作（例如刪除/填充缺失值）是否可能影響結(jié)論沐绒？
- 是否還有其他變量（本數(shù)據(jù)中沒(méi)有）能夠?qū)δ愕姆治鲇袔椭?/li>
- 在得出結(jié)論時(shí)俩莽，你是否混淆了相關(guān)性和因果性？
答案：
數(shù)據(jù)包含了38場(chǎng)戰(zhàn)斗乔遮，有些數(shù)據(jù)缺失扮超，從統(tǒng)計(jì)學(xué)意義上，這個(gè)樣本數(shù)量其實(shí)很小蹋肮，并不能得出一般性結(jié)論出刷。NaN的值采取了直接剔除的方式，也許并非最科學(xué)的方法坯辩，可能會(huì)對(duì)結(jié)果產(chǎn)生一定影響馁龟。數(shù)據(jù)來(lái)源源自奇幻小說(shuō)，數(shù)據(jù)集內(nèi)容本身就是虛構(gòu)的漆魔，有些并不一定符合客觀(guān)的因果關(guān)系坷檩。如前所述，有些數(shù)據(jù)存在明顯的錯(cuò)誤改抡，也會(huì)影響統(tǒng)計(jì)結(jié)果矢炼。另外，戰(zhàn)爭(zhēng)行為本就是復(fù)雜的阿纤，任何偶然的因素都會(huì)影響結(jié)果句灌，更何況這些戰(zhàn)爭(zhēng)是發(fā)生在文學(xué)作品里，并非真實(shí)的欠拾，比如Stannis擊敗Renly一役胰锌，最初Stannis在人數(shù)兵力上不占優(yōu)骗绕，打不下風(fēng)息堡，后來(lái)Stannis依靠黑魔法隔空就把Renly殺死了……像這種作者讓誰(shuí)死誰(shuí)就得死的本身就沒(méi)有什么邏輯因果關(guān)系匕荸，再深入用統(tǒng)計(jì)學(xué)來(lái)研究本身意義也不大爹谭。
