一、學習內容概覽

1.1 學習地址：阿里云天池python訓練營

1.2 思維導圖

二、具體學習內容

2.1 資料分析基本介紹

寶可夢資料分析-平民最強寶可夢選擇方案
資料時代的到來重繪了人們探索未知的方式，從基礎能源建設到航天航空工程，在關都地區真新鎮大木研究所一直孜孜不倦對精靈寶可夢進行研究的大木博士也不例外，在劇中我們就常常可以看到大木博士制作的精靈圖鑒一直在給探險家們提供寶可夢的簡單分析，包括寶可夢的身高，體重，特性等等，但是作為從小就向往前往大木博士研究所成為寶可夢聯盟最強訓練師/寶可夢研究大師的我，僅僅是分析單個寶可夢的資料遠遠滿足不了我的需求，

與其他探險家旅游挑戰道館的方式不同，我決定通過使用資料分析的方式來幫助我更好的了解寶可夢這種神奇的生物，然后再選擇最經濟實惠，簡單好抓的寶可夢來挑戰聯盟，通過使用搜索引擎，我找到了一份包含著從第一代到第七代共801只寶可夢的資料集，

2.2 資料準備以及讀取

2.2.1 資料集下載

!wget -O pokemon_data.csv https://pai-public-data.oss-cn-beijing.aliyuncs.com/pokemon/pokemon.csv

2.2.2 下載seaborn（圖形可視化庫）

!pip install seaborn --user -q

2.2.3 然后我們import我們最常用的三大件：Pandas, Seaborn, Matplotlib, 并且讀取資料

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

df = pd.read_csv("./pokemon_data.csv")

2.3 資料探索

首先我們觀察一下資料的尺寸，可以通過 df.shape 這個來實作，當然 df.info() 能夠給我們更加詳細的每個列的資訊，這里我們通過這個方式，可以發現這個資料集一共收錄了801行，41列的資料，說明一共有801只寶可夢，每只寶可夢我們有41個特征來描述它們，

df.info()

然后就迎來了我們的第一個問題：這么多特征，是否會有資料缺失呢？畢竟有些寶可夢比較神秘感，就連大木博士都不一定知道，這里我們可以通過如下代碼來觀察每個特征的缺失情況：

# 計算出每個特征有多少百分比是缺失的
percent_missing = df.isnull().sum() * 100 / len(df)
missing_value_df = pd.DataFrame({
    'column_name': df.columns,
    'percent_missing': percent_missing
})
# 查看Top10缺失的
missing_value_df.sort_values(by='percent_missing', ascending=False).head(10)

通過查看以上資料，我們可以發現，type2 這個欄位缺失的比率最高，達到了 48% 左右，說明超過半數的寶可夢還是單純的只有一個屬性，剩下一般的則具有兩種屬性，

然后第二個問題就是：這么多寶可夢，每代分別有幾只？這里我們可以通過簡單的 df[‘generation’].value_counts() 來得到，但是為了更加直觀的表現出不同代的寶可夢的數量差別，這里我們可以用pandas自帶的畫圖的功能來繪制一個柱狀圖

# 查看各代口袋妖怪的數量
df['generation'].value_counts().sort_values(ascending=False).plot.bar()

不難發現，寶可夢數量最多的是在第5代，最少的是在第6代，然后我們再來看不同的主屬性的分布，這里我們可以先做一些簡單的假設，比如蟲屬性的寶可夢種類比較多因為在劇中出現的頻率相當高，而且有很多種進化，

# 查看每個系口袋妖怪的數量
df['type1'].value_counts().sort_values(ascending=True).plot.barh()

這里我們將之前的柱狀圖橫過來了，更便于觀察，這里我們可以看到，數量最多的寶可夢是水系，然后是普通，然后是草系，蟲系只排在了第四，并沒有和預期中那樣那么多，

看完了基礎的一些分布，接下來我會想做一些簡單的相關性分析，我們可以通過以下的代碼生成相關性圖

# 相關性熱力圖分析
plt.subplots(figsize=(20,15))
ax = plt.axes()
ax.set_title("Correlation Heatmap")
corr = df.corr()
sns.heatmap(corr, 
            xticklabels=corr.columns.values,
            yticklabels=corr.columns.values)

來了解不同特征之間的關聯，這對我們了解寶可夢的特性很有幫助，比如通過觀察 attack 這一個特征和 height_m 是正相關的，我們可以得出：越高的寶可夢，攻擊力越高，但是再看 height_m，我們會發現它和 base_happiness 是負相關的，這個時候我們可以作出另外一個結論：長得高的寶可夢可能都不太開心，

接下來我們從寶可夢在實戰中的角度來分析這組資料，這里我們只關注六個基礎值：血量，攻擊力，防御力，特攻，特防，速度，因為只有這六個基礎值決定了一只寶可夢的戰斗力在不考慮派系克制的情況下，

這里我們可以看到大部分都是成正比例的，一個值的提高往往會拉高另外一個值，這點我們通過相關性熱力圖也可以看到

# 通過相關性分析heatmap分析五個基礎屬性
plt.subplots(figsize=(10,8))
ax = plt.axes()
ax.set_title("Correlation Heatmap")
corr = df[interested].corr()
sns.heatmap(corr, 
            xticklabels=corr.columns.values,
            yticklabels=corr.columns.values,
            annot=True, fmt="f",cmap="YlGnBu")

看完這些以后，我們就可以開始計算種族值然后來選取我們的平民神獸了，畢竟不是每個人都能收服代歐奇希斯，超夢，夢幻這種傳說級別的寶可夢，這里我們可以通過如下方式，先做一個特征型別轉化，然后再計算

for c in interested:
    df[c] = df[c].astype(float)
df = df.assign(total_stats = df[interested].sum(axis=1)) 
df[df.total_stats >= 525].shape

這樣我們就完成了用 total_stats 這個欄位來存盤種族值這一特征，我們可以做個柱狀圖可視化來看看種族值的分布是什么樣的：

# 種族值分布
total_stats = df.total_stats
plt.hist(total_stats,bins=35)
plt.xlabel('total_stats')
plt.ylabel('Frequency')

同時我們還可以根據不同的屬性來看：

plt.subplots(figsize=(20,12))
ax = sns.violinplot(x="type1", y="total_stats",
                    data=df, palette="muted")

2.4 基礎資料分析

找到非傳說寶可夢但是種族值達到了的傳說寶可夢級別的，最后我們就可以通過簡單的過濾和排序來找到我們應該去捕捉的寶可夢了：

df[(df.total_stats >= 570) & (df.is_legendary == 0)]['name'].head(10)

從結果上來看，我們平民寶可夢訓練師應該考慮的Top10寶可夢應該是：妙蛙花，噴火龍，水箭龜，比雕，胡地，呆河馬，耿鬼，袋獸，大甲，暴鯉龍，這樣，我們就通過簡單的資料分析，完成了大多數寶可夢動漫中的訓練師不可能完成的任務，這么想想，升職加薪，出任CEO，贏取白富美，當上研究所所長的日子簡直指日可待呀！

# 雙系寶可夢數量統計
plt.subplots(figsize=(10, 10))

sns.heatmap(
    df[df['type2']!='None'].groupby(['type1', 'type2']).size().unstack(),
    linewidths=1,
    annot=True,
    cmap="Blues"
)

plt.xticks(rotation=35)
plt.show()

三、學習總結

之前有學過點資料分析的內容，今天的學習內容大概程序是能看懂，不過有的函式如果解釋的更清楚點就好了，
總的來說這個訓練營跟下來還是有進步的，后面還會對之前的內容進行復習，感覺訓練營的無償分享，day10打卡完畢，ヾ(?°?°?)ﾉﾞ撒花??ヽ(°▽°)ノ?