Python数据分析案例58——热门游戏数据分析及其可视化

案例背景

有哪个男生不喜欢玩游戏呢？就算上了班儿也要研究一下游戏以及热门的游戏。正好这里有个热门的游戏数据集，全球热门游戏数据集来做一下一些可视化的分析。

数据介绍

该文件包含一个数据集，详细说明了多个平台上的各种流行游戏。每个条目都包含重要信息，例如游戏名称、类型、平台、发布年份和用户评级。该数据集的结构便于分析和比较不同游戏，提供对游戏趋势和用户偏好的洞察。它采用CSV文件格式，以实现可访问性和易用性，使其适用于游戏行业的数据分析、可视化和研究目的。

热门的什么英雄联盟元神。还有国外的塞尔达，apex什么的都有。

需要这个数据集和这篇文章的全部代码文件的同学可以参考：游戏数据

代码实现

导入数据分析常用的包。展示数据的前五行

# Import necessary libraries
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# Load the dataset
df_games = pd.read_csv('games_dataset.csv')

# Display the first few rows and the columns of the dataset
df_games.head()

简单的描述性统计

# Display summary statistics of the dataset
df_games.describe(include='all')

查看数据是否有缺失值

# Check for missing values
df_games.isnull().sum()

查看数据的类别

# Remove any rows with missing values
df_games_clean = df_games.dropna()

# Ensure 'Release Year' is an integer
df_games_clean['Release Year'] = df_games_clean['Release Year'].astype(int)

# Check data types
df_games_clean.dtypes

可视化分析

游戏数量柱状图

展示数据里面前10数量的游戏的中文名称及他们的数量的微型柱状图。

games_dict = {
    "The Legend of Zelda: Breath of the Wild": "塞尔达传说：荒野之息",
    "Genshin Impact": "原神",
    "The Sims 4": "模拟人生4",
    "Resident Evil Village": "生化危机村庄",
    "Hades": "哈迪斯",
    "Minecraft Dungeons": "我的世界：地下城",
    "Sekiro: Shadows Die Twice": "只狼：影逝二度",
    "Horizon Zero Dawn": "地平线：黎明时分",
    "Sea of Thieves": "盗贼之海",
    "Apex Legends": " apex 英雄"
}
df_games['Game Name'].value_counts().rename_axis('Game_Name').reset_index().iloc[:10,:]\
.assign(中文名称=lambda x:x['Game_Name'].map(games_dict)).set_axis(['Game Name','count','中文名称'],axis=1).style.bar()

可以看到这个游戏数据里面记录比较多的是塞尔达，荒野之息，这就是原神模拟人生等游戏。

整体用户评分直方图

# Plot the distribution of user ratings
plt.figure(figsize=(10, 6))
sns.histplot(df_games_clean['User Rating'], bins=20, color='blue', edgecolor='black', kde=True)
plt.title('Distribution of User Ratings')
plt.xlabel('User Rating')
plt.ylabel('Frequency')
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()

可以看到用户的评分较为均匀，从0分到十分，没有什么很突出的位置。说明游戏的评分没有很集中的区间。

游戏类型数量柱状图

# Plot the distribution of genres
plt.figure(figsize=(12, 8))
sns.countplot(data=df_games_clean, y='Genre', order=df_games_clean['Genre'].value_counts().index, palette='viridis')
plt.title('Genre Distribution')
plt.xlabel('Count')
plt.ylabel('Genre')
plt.grid(axis='x', linestyle='--', alpha=0.7)
plt.show()

可以看到运动类的游戏排第一，后面其次都是各种类型的游戏。但是他们的数量差别都不会很大，说明各种游戏都是有自己的市场的。

不同游戏平台数量直方图

# Plot the distribution of platforms
plt.figure(figsize=(12, 8))
sns.countplot(data=df_games_clean, y='Platform', order=df_games_clean['Platform'].value_counts().index, palette='magma')
plt.title('Platform Distribution')
plt.xlabel('Count')
plt.ylabel('Platform')
plt.grid(axis='x', linestyle='--', alpha=0.7)
plt.show()

PC端的游戏数量还是第一位，及个人电脑端，后面才是Xbox ，switch，以及移动端的各种。PS最少。

不同年份发行游戏数量的直方图

# Plot the distribution of release years
plt.figure(figsize=(12, 8))
sns.histplot(df_games_clean['Release Year'], bins=20, color='green', edgecolor='black', kde=True)
plt.title('Distribution of Release Years')
plt.xlabel('Release Year')
plt.ylabel('Frequency')
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()

我们可以看到大概在2000年，2007年，2015年以及2022年发行的游戏数量较多，其他年份都较为平均。

不同发行年份不同类型游戏用户评分散点图

# Scatter plot of User Rating vs Release Year
plt.figure(figsize=(12, 8))
sns.scatterplot(data=df_games_clean, x='Release Year', y='User Rating', hue='Genre', palette='Set1', alpha=0.7)
plt.title('User Rating vs Release Year')
plt.xlabel('Release Year')
plt.ylabel('User Rating')
plt.grid(True)
plt.show()

可以看到不同年份的，不同类型的数据，他们的用户得分德还是较为均匀，不同类别之间这个图不好对比。很多年份数据分布很集中，都是很均匀，从0~10分的游戏都有。说明每一年都有很多好游戏和坏游戏，没有哪一年的游戏。质量特别高，也没有哪一年的游戏质量平均特别差。

不同游戏类型数量比例柱饼图

# Pie chart of Genre Distribution
plt.figure(figsize=(10, 10))
genre_counts = df_games_clean['Genre'].value_counts()
plt.pie(genre_counts, labels=genre_counts.index, autopct='%1.1f%%', colors=sns.color_palette('pastel'), startangle=140)
plt.title('Genre Distribution')
plt.show()

和前面的结论一致，可以看到游戏类型最多的是运动类。而其他的类别分布都没有差太远的比例，说明各种游戏都有各自的市场，没有哪一种游戏是极少或者极多的。

不同游戏平台数量比例柱饼图

# Pie chart of Platform Distribution
plt.figure(figsize=(10, 10))
platform_counts = df_games_clean['Platform'].value_counts()
plt.pie(platform_counts, labels=platform_counts.index, autopct='%1.1f%%', colors=sns.color_palette('pastel'), startangle=140)
plt.title('Platform Distribution')
plt.show()

和前面结论一致，PC端的数量占比最高，说明目前大家还是用电脑玩游戏的最多，当然其他的平台差距也不大，各个平台都有各自的用户。

不同类别的游戏用户评分箱线图

# Boxplot of User Ratings by Genre
plt.figure(figsize=(14, 8))
sns.boxplot(data=df_games_clean, x='Genre', y='User Rating', palette='coolwarm')
plt.title('User Ratings by Genre')
plt.xlabel('Genre')
plt.ylabel('User Rating')
plt.xticks(rotation=45)
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()

可以从均值的角度来看，发现生存类的游戏评分均值最高。其次是恐怖游戏和角色扮演类动作类游戏。但是他们整体来说均值差异都不大。

不同平台用户评分箱线图

# Boxplot of User Ratings by Platform
plt.figure(figsize=(14, 8))
sns.boxplot(data=df_games_clean, x='Platform', y='User Rating', palette='coolwarm')
plt.title('User Ratings by Platform')
plt.xlabel('Platform')
plt.ylabel('User Rating')
plt.xticks(rotation=45)
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()

我们可以看到PC端的用户评分均值最高，其次是其他4个都差不多。并且大家的分布都很均匀，差距都不是很大。

不同类型游戏用户评分均值柱状图

# Calculate average user rating by genre
avg_rating_by_genre = df_games_clean.groupby('Genre')['User Rating'].mean().sort_values()

# Plot average user ratings by genre
plt.figure(figsize=(12, 8))
avg_rating_by_genre.plot(kind='barh', color='purple', edgecolor='black')
plt.title('Average User Ratings by Genre')
plt.xlabel('Average User Rating')
plt.ylabel('Genre')
plt.grid(axis='x', linestyle='--', alpha=0.7)
plt.show()

和前面的一致，生存类，恐怖类，模拟经营类的动作类运动类。评分前五，其他的游戏评分略低，但是也还好。差距都不是很大。

不同平台用户评分均值柱状图

# Calculate average user rating by platform
avg_rating_by_platform = df_games_clean.groupby('Platform')['User Rating'].mean().sort_values()

# Plot average user ratings by platform
plt.figure(figsize=(12, 8))
avg_rating_by_platform.plot(kind='barh', color='orange', edgecolor='black')
plt.title('Average User Ratings by Platform')
plt.xlabel('Average User Rating')
plt.ylabel('Platform')
plt.grid(axis='x', linestyle='--', alpha=0.7)
plt.show()

和前面结论一致pc端电脑端的用户评分均值最高，其他的都差不多。

发行年份和用户评分的相关性热力图

# Compute correlation matrix
corr_matrix = df_games_clean[['Release Year', 'User Rating']].corr()

# Plot correlation heatmap
plt.figure(figsize=(8, 6))
sns.heatmap(corr_matrix, annot=True, cmap='coolwarm', fmt='.2f', linewidths=0.5)
plt.title('Correlation Heatmap')
plt.show()

可以看到和散点图的结论一样，发行年份和评分没有相关性。就是零。

游戏类别和游戏平台的评分相关系数热力图

# Pivot table for heatmap
pivot_table = df_games_clean.pivot_table(values='User Rating', index='Genre', columns='Platform', aggfunc='mean')

# Plot heatmap
plt.figure(figsize=(14, 8))
sns.heatmap(pivot_table, cmap='YlGnBu', annot=True, fmt='.1f', linewidths=0.5)
plt.title('Heatmap of User Ratings by Genre and Platform')
plt.xlabel('Platform')
plt.ylabel('Genre')
plt.show()

我们可以看到某些平台的某些类型的游戏评分明显要高于其他，例如电脑端的策略类和生存类，还有格斗类以及射击类明显要优于其他平台，也要优于电脑端的其他的类型的游戏的评分的均值。

# Plot the count of games by Release Year and Genre
plt.figure(figsize=(14, 8))
sns.countplot(data=df_games_clean, x='Release Year', hue='Genre', palette='Set2')
plt.title('Distribution of Games by Release Year and Genre')
plt.xlabel('Release Year')
plt.ylabel('Number of Games')
plt.xticks(rotation=45)
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()

这个是不同年份发行不同类别的游戏，难以看出明显的趋势，只能大概知道2006年发行的Puzzle这个类型的游戏比较多。

不同年份发行游戏数量折线图

# Plot trends in the number of releases per year
plt.figure(figsize=(14, 8))
release_year_trends = df_games_clean['Release Year'].value_counts().sort_index()
release_year_trends.plot(kind='line', marker='o', color='tomato')
plt.title('Trends in Number of Game Releases Per Year')
plt.xlabel('Release Year')
plt.ylabel('Number of Releases')
plt.grid(True)
plt.show()

可以清楚的看到每个年份发行的游戏的数量的一个变化趋势。

不同类型的游戏的用户评分的核密度图

# Kernel Density Estimate (KDE) plot of user ratings by genre
plt.figure(figsize=(14, 8))
sns.kdeplot(data=df_games_clean, x='User Rating', hue='Genre', common_norm=False, palette='tab10')
plt.title('Density Plot of User Ratings by Genre')
plt.xlabel('User Rating')
plt.ylabel('Density')
plt.grid(True)
plt.show()

其实和前面结论一样，不同类型的这些用户评分分布都挺相近的，可能有的稍微高一点点，但是也不会高很多。并且分布都是两端比较少，也就是说很好或者很差的游戏比较少，大多数游戏都集中在中间的2-9分的区间。

不同平台发布不同类型游戏的数量热力图

# Create a DataFrame for analysis of platform and genre pairs
platform_genre_counts = df_games_clean.groupby(['Platform', 'Genre']).size().unstack().fillna(0)

# Plot
plt.figure(figsize=(16, 10))
sns.heatmap(platform_genre_counts, cmap='viridis', annot=True, fmt='g', linewidths=0.5)
plt.title('Platform and Genre Pair Analysis')
plt.xlabel('Genre')
plt.ylabel('Platform')
plt.show()

可以从图中清楚的看到每个平台发布每个不同类型的游戏的数量。例如运动类在移动端和电脑端发布的数量是最多的，其次就是xbox上的角色扮演类的游戏数量比较多。

不同发布年份用户评分的箱线图

# Box plot of user ratings by release year
plt.figure(figsize=(14, 8))
sns.boxplot(data=df_games_clean, x='Release Year', y='User Rating', palette='coolwarm')
plt.title('User Ratings by Release Year')
plt.xlabel('Release Year')
plt.ylabel('User Rating')
plt.xticks(rotation=45)
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()

可以看到大概在2004年和2016年发布的游戏评分均值较高，2007年和2023年发布的游戏评分均值较低，但整体变化波动幅度不是很大。

不同发布年份用户评分均值的折线图

# Line plot of average user ratings over time (by Release Year)
plt.figure(figsize=(14, 8))
avg_rating_over_time = df_games_clean.groupby('Release Year')['User Rating'].mean()
avg_rating_over_time.plot(kind='line', marker='o', color='skyblue')
plt.title('Average User Ratings Over Time')
plt.xlabel('Release Year')
plt.ylabel('Average User Rating')
plt.grid(True)
plt.show()