王者荣耀这么久了，还没上王者？哈哈哈，看过来，是不是对英雄理解的不够透彻呢，是不是还没有很好的为英雄分类呢，今天就来看看英雄分类
技术栈
一、EM 聚类简介
二、爬取网上的英雄初始属性值
三、做成饼图
EM 聚类简介
EM 英文名是 Expectation Maximization，也叫最大期望算法。
在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variable）。
最大期望算法经过两个步骤交替进行计算，第一步是计算期望（E），利用对隐藏变量的现有估计值，计算其最大似然估计值；第二步是最大化（M），最大化在 E 步上求得的最大似然值来计算参数的值。M 步上找到的参数估计值被用于下一个 E 步计算中，这个过程不断交替进行。
在此推荐小编创建的Python学习交流群：835017344，这里是python学习者聚集地，有大牛答疑，有资源共享！有想学习python编程的，或是转行，或是大学生，还有工作中想提升自己能力的，正在学习的小伙伴欢迎加入学习。
进行英雄聚类
使用 sklearn 库中的的 EM 聚类算法框架，采用高斯混合模型
from sklearn.mixture import GaussianMixture
复制代码
一些主要参数意义如下，其他参数可以查看相关文档
-
n_components:混合高斯模型个数，也就是想要的聚类个数，默认为1
-
covariance_type:协方差类型，包括{‘full’,‘tied’, ‘diag’, ‘spherical’}四种，分别对应完全协方差矩阵（元素都不为零），相同的完全协方差矩阵（HMM会用到），对角协方差矩阵（非对角为零，对角不为零），球面协方差矩阵（非对角为零，对角完全相同，球面特性），默认‘full’ 完全协方差矩阵
-
max_iter:最大迭代次数，默认100
所以可以构造 GMM 聚类如下：
# 构造 GMM 聚类
gmm = GaussianMixture(n_components=20, covariance_type='full')
复制代码
有一份如下结构的数据：
[图片上传中...(image-5dab6a-1562219826453-6)]
可以看到，涉及到的属性非常多，初始的属性设置如下：
feature = ['1级物理攻击', '15级物理攻击', '每级成长',
'1级生命', '15级生命', '生命成长值', '1级物理防御',
'15级物理防御', '每级物理防御成长', '攻速成长',
'1级每5秒回血', '15级每5秒回血', '1级最大法力',
'15级最大法力', '最大法力成长', '1级每五秒回蓝',
'15级每5秒回蓝', '近/远程？', '移速', '定位', '个人建议分路']
复制代码
属性降维
可以先通过热力图来判断下哪些属性是强相关的，只保留唯一属性
import seaborn as sns
import matplotlib.pyplot as plt
corr = data[feature].corr()
plt.figure(figsize=(14, 14))
sns.heatmap(corr, annot=True)
plt.show()
复制代码
[图片上传中...(image-232849-1562219826453-5)]
可以看到，其中”1级最大法力“，”15级最大法力“，”最大法力成长“，是强相关的，由此可以做出属性筛选，最终保留的属性如下：
features_remain = ['15级生命', '15级物理攻击',
'15级物理防御', '15级最大法力',
'15级每5秒回血', '15级每5秒回蓝', '移速',
'攻速成长', '近/远程？']
复制代码
数据规范化
将攻击范围字段（”近/远程？“）转换为 0 和 1
data_new['近/远程？'] = data_new['近/远程？'].map({'远程': 1, '近程': 0})
复制代码
EM 聚类计算
采用高斯混合模式，并把生成的类别写入 csv 文件中
# 构造 GMM 聚类
gmm = GaussianMixture(n_components=20, covariance_type='full')
gmm.fit(data_new)
# 训练数据
prediction = gmm.predict(data_new)
# print(prediction)
hero_data.insert(0, '分组', prediction)
hero_data.to_csv('hero_out.csv', index=False, sep=',', encoding='gb18030')
复制代码
饼图输出
为了更加直观的查看各个英雄的分组情况，这里使用饼图来做可视化 首先取出数据的”分组“和”名称“两个字段，并对”分组“字段进行分组处理
df = hero_data[['分组', '名称']]
grouped = df.groupby(['分组'])
复制代码
然后取出分组中的数值，并用 pyecharts 来画饼图
from pyecharts import Pie
k = []
for name, group in grouped:
k.append({name: list(group['名称'].values)})
kk = []
for i in k:
for k, v in i.items():
kk.append(v)
length = []
key = []
for i in kk:
key.append(str(i))
length.append(len(i))
pie = Pie('英雄完全属性分类图', title_pos='center')
pie.add("", key, length,
is_label_show=True, legend_pos="bottom", legend_orient="vertical",)
pie.render()
复制代码
[图片上传中...(image-3be250-1562219826453-4)]
抓取英雄初始属性
要想获得更加全的英雄数据，还是需要到网上抓取，这样才能够保证英雄的数量是最新的。这里我使用的是 db.18183.com/ 网站的数据，页面如下：
[图片上传中...(image-9bb357-1562219826453-3)]
[图片上传中...(image-ce0f68-1562219826453-2)]
获取英雄页面 URL
使用 BeautifulSoup 来定位到 class 为 mod-iconlist 的 ul 元素，里面保存的就是各个英雄的页面
url = 'http://db.18183.com/'
url_list = []
res = requests.get(url + 'wzry').text
content = BeautifulSoup(res, "html.parser")
ul = content.find('ul', attrs={'class': "mod-iconlist"})
hero_url = ul.find_all('a')
for i in hero_url:
url_list.append(i['href'])
复制代码
抓取详细信息
循环抓取到的 URL 列表，抓取每个英雄的详细信息
base_url = 'http://db.18183.com/'
detail_list = []
for i in url:
# print(i)
res = requests.get(base_url + i).text
content = BeautifulSoup(res, "html.parser")
name_box = content.find('div', attrs={'class': 'name-box'})
name = name_box.h1.text
hero_attr = content.find('div', attrs={'class': 'attr-list'})
attr_star = hero_attr.find_all('span')
survivability = attr_star[0]['class'][1].split('-')[1]
attack_damage = attr_star[1]['class'][1].split('-')[1]
skill_effect = attr_star[2]['class'][1].split('-')[1]
getting_started = attr_star[3]['class'][1].split('-')[1]
details = content.find('div', attrs={'class': 'otherinfo-datapanel'})
# print(details)
attrs = details.find_all('p')
attr_list = []
for attr in attrs:
attr_list.append(attr.text.split('：')[1].strip())
detail_list.append([name, survivability, attack_damage,
skill_effect, getting_started, attr_list])
复制代码
保存到 csv 文件
open 一个文件，把对应的列表字段存入
with open('all_hero_init_attr.csv', 'w', encoding='gb18030') as f:
f.write('英雄名字,生存能力,攻击伤害,技能效果,上手难度,最大生命,最大法力,物理攻击,'
'法术攻击,物理防御,物理减伤率,法术防御,法术减伤率,移速,物理护甲穿透,法术护甲穿透,攻速加成,暴击几率,'
'暴击效果,物理吸血,法术吸血,冷却缩减,攻击范围,韧性,生命回复,法力回复\n')
for i in details:
try:
rowcsv = '{},{},{},{},{},{},{},{},{},{},{},{},{},{},{},{},{},{},{},{},{},{},{},{},{},{}'.format(
i[0], i[1], i[2], i[3], i[4], i[5][0], i[5][1], i[5][2], i[5][3], i[5][4], i[5][5],
i[5][6], i[5][7], i[5][8], i[5][9], i[5][10], i[5][11], i[5][12], i[5][13], i[5][14], i[5][15],
i[5][16], i[5][17], i[5][18], i[5][19], i[5][20]
)
f.write(rowcsv)
f.write('\n')
except:
continue
复制代码
数据清理
因为这个网站可能做的不是很用心，有些属性会存在两个百分号和为空的情况，如图：
[图片上传中...(image-ced2dd-1562219826452-1)]
所以需要处理下。
对于两个百分号，直接使用 notepad++ 把所有的 %% 的替换为单 % 即可
对于为空的字段，使用如下代码处理，填为 0
# 把空值设置为0
data_init = data_init.fillna(0)
复制代码
完成
对于数据规范化，GMM 聚类和饼图呈现，都和前面类似，不再赘述，下面来看看饼图效果
[图片上传中...(image-13f8ec-1562219826452-0)]
虽然通过这两张饼图，没有办法一下子提高你手残的毛病，但是明确了英雄的分类，不是离王者更近了一步吗
