|
【版权声明】版权所有，严禁转载，严禁用于商业用途，侵权必究。
作者：厦门大学计算机科学与技术系2023级研究生 黄万嘉
指导老师：厦门大学数据库实验室 林子雨 博士/副教授
时间：2024年6月
相关教材：林子雨、郑海山、赖永炫编著《Spark编程基础（Python版，第2版）》（访问教材官网）
相关案例：基于Python语言的Spark数据处理分析案例集锦（PySpark）
数据集和代码下载：从百度网盘下载本案例数据集和代码。（提取码是ziyu）
本实验旨在通过应用大数据处理技术，对Kaggle社区提供的PUBG游戏统计数据集进行深入分析。实验的主要目标包括：
1．在Ubuntu 18.04操作系统上部署Hadoop 3.1.3和Spark 2.4.0环境，为大数据处理提供基础设施。
- 下载并预处理PUBG Finish Placement Prediction数据集，以适应实验需求并准备数据进行分析。
- 利用Python编程语言和Spark框架，对处理后的数据集进行探索性数据分析，以理解玩家在游戏中的表现和行为模式。
- 分析玩家击杀数、伤害量、移动行为和物品使用情况等关键指标，以及它们与比赛结果之间的关系。
- 通过数据可视化技术，将分析结果以图形化的方式展现出来，帮助更直观地理解PUBG玩家的行为特征和游戏模式。
（1）Linux：Ubuntu 18.04
（2）Hadoop3.1.3
（3）Python：3.7
（4）Spark：3.4.0
本次实验数据集来源Kaggle社区的“PUBG Finish Placement Prediction”数据集，下载链接为：数据集源自PUBG游戏的统计数据，旨在构建一个模型来预测玩家在每场比赛中的最终排名。数据集包含了从个人玩家到整个团队的详细游戏后统计信息，格式为CSV文件，每个玩家的统计信息占据一行。下面是数据集各字段的含义：
DBNOs - 击倒敌人玩家的数量。示例：3, 5。
assists - 对队友击杀敌人有助攻的次数。示例：1, 0。
boosts - 使用的增益物品数量。示例：2, 5。
damageDealt - 造成的总伤害量（扣除了对自身的伤害）。示例：500, 300。
headshotKills - 爆头击杀敌人的数量。示例：2, 1。
heals - 使用的治疗物品数量。示例：3, 1。
Id - 玩家的唯一标识符。示例：101, 202。
killPlace - 根据击杀敌人数量的排名。示例：5, 1。
killPoints - 基于击杀的排名分数（如果rankPoints不是-1，则0应视为“无”）。示例：120, -1。
killStreaks - 最大连杀数。示例：3, 1。
kills - 击杀敌人的总数。示例：3, 7。
longestKill - 击杀时与敌人的最远距离。示例：200米，100米。
matchDuration - 比赛持续的时间（秒）。示例：1800, 2400。
matchId - 比赛的唯一标识符。示例：match_101, match_202。
matchType - 比赛模式，如“solo”、“duo”、“squad”。示例：solo, squad。
rankPoints - Elo评分系统中的排名分数（-1表示“无”）。示例：240, -1。
revives - 复活队友的次数。示例：1, 0。
rideDistance - 乘坐载具的总距离（米）。示例：500米，1000米。
roadKills - 在载具中击杀敌人的数量。示例：2, 0。
swimDistance - 游泳的总距离（米）。示例：20米，50米。
teamKills - 意外击杀队友的次数。示例：0, 1。
vehicleDestroys - 摧毁的载具数量。示例：1, 3。
walkDistance - 步行的总距离（米）。示例：1000米，800米。
weaponsAcquired - 拾取的武器数量。示例：4, 6。
winPoints - 基于胜利的排名分数（如果rankPoints不是-1，则0应视为“无”）。示例：100, -1。
groupId - 队伍的唯一标识符。示例：group_101, group_202。
numGroups - 比赛中记录的参赛队伍数量。示例：20, 30。
maxPlace - 比赛中记录的最差排名。示例：21, 35。
winPlacePerc - 预测目标，即比赛的百分位排名，1代表第一名，0代表最后一名。示例：0.95, 0.5。
本次实验采用pandas库对数据进行预处理，由于实验要求限制，原数据集（628MB）不符合数据集要求，采用随机删减数据的方式，缩减数据集规模，使用的代码shuffle.py如下：
删减完成后，对数据集进行预处理。在数据预处理中，对数据集进行重复值处理及缺失值处理，之后保存数据集：
得到清洗完成的数据集，将其写入HDFS中：
我将采用Python编程语言和Spark大数据框架对数据集“data.csv”进行处理分析，具体步骤如下：
对于PUBG游戏而言，玩家的击杀数是很重要的数据，可以直观反映玩家的游戏水平。因此先分析平均击杀/最高击杀/99%玩家的击杀数，代码如下：
输出结果为：平均击杀为 0.9228 , 99% 的玩家击杀了 7 或以下,最高的击杀记录为 56。输出的图片结果如下，可以看到，大部分人在比赛里没有击杀，其次是击杀了一个人，这也很好的反应了该款游戏的难度。
既然大部分玩家在一局对局里面无法实现一次击杀，我们继续分析他们是否造成了伤害。
结果如下图所示，可以看到，大部分0击杀的玩家，造成了0伤害，也就是一枪不开或者开了都没中，就被击败。
PUBG游戏中，玩家可以步行或者使用载具，我们先来分析玩家在每局游戏中的步行行为。代码如下：
得到下图，可以看出相当一部分玩家步行距离 < 100m，表明他们跳伞落地就被击杀或者直接就挂机了。
分析玩家的载具行为，代码如下：
得到如下输出和图片：
平均载具行驶距离为 606.6m, 99% 的玩家行驶了 7005.0m 或更少, 行驶距离最远的玩家行驶 27410.0m.
275812 位玩家 (74.4269%) 行驶了 0 米. 他们本局游戏没有使用过载具.
由上述输出和图片，玩家们在游戏中大部分没有机会使用到载具，这可能和载具获取难度有关，同时，载具的平均行驶距离为606.6m，这也表明一旦玩家有机会使用载具，他们会持续使用载具进行移动。
PUBG中提供了种类繁多的物品，分为治疗物品（医疗包、医疗箱、绷带）和增益物品（能量饮料、止疼药），分析物品的使用情况可以侧面反映游戏的激烈程度，分析代码如下：
可以得到以下的输出和图片：
平均每个人使用 1.4 个治疗物品，99%的人使用 12 或更少，而最多的人使用了 54 个。
平均每个人使用 1.1 个增益物品，99%的人使用 7 或更少，而最多的人使用了 22 个。
根据输出的图片，可以粗略判断出治疗物品和增益物品的数量似乎与获胜百分比（Win Percentage）有一定的关联。图中显示，随着治疗物品或增益物品数量的增加，获胜百分比也有所提高。
PUBG游戏中有3种游戏模式。一个人可以单独玩，也可以与朋友（二人组）一起玩，也可以与其他 3 个朋友（小队）一起玩。100 名玩家加入同一服务器，因此在双人组的情况下，最大团队为 50 个，在小队的情况下，最大团队为 25 个。原始数据并没有这个特征，因此需要我们自己分析
代码如下：
输出及图片如下：
共有 59261 场（15.99%）单人游戏，274568 场（74.09%）双人游戏，以及 36752 场（9.92%）组队游戏。
可以看出在不同游戏模式下，随着击杀数的增加，获胜百分比大致呈上升趋势。此外，单人模式在较高击杀数时的获胜百分比似乎高于双人和组队模式，这可能表明在获得较多击杀后，单人模式的玩家胜率提升更为显著。
本次实验经过一系列的数据处理和分析，得出以下结论：
- 数据预处理：成功地对原始数据集进行了清洗和缩减，删除了重复和缺失的数据，为数据分析阶段准备了高质量的数据集。
- 玩家行为分析：通过对击杀数、伤害量、步行距离和载具使用等数据的分析，揭示了PUBG玩家在比赛中的行为模式。大部分玩家在比赛中难以实现击杀，且有相当一部分玩家步行距离较短，表明他们可能很快就被淘汰或选择挂机。
- 物品使用情况：分析表明，治疗物品和增益物品的使用与玩家的获胜百分比存在一定的关联，使用这些物品数量的增加似乎能提高获胜的机会。
- 组队情况分析：根据不同的游戏模式（单人、双人、组队），分析了玩家的组队情况和获胜百分比的关系。结果显示，单人模式在获得较多击杀后胜率提升更为显著。
- 数据可视化：利用matplotlib和seaborn等工具，将分析结果进行了直观的可视化展示，包括击杀数分布、伤害量分布、步行距离和载具使用距离的分布图。
最后，在实验过程中，加深了我对Hadoop和Spark大数据技术的理解，掌握了使用这些工具进行数据处理、分析和可视化的方法。同时实验的分析结果也可以为PUBG游戏设计提供了数据支持，例如，通过了解玩家行为模式，游戏开发者可以对游戏机制进行调整，以提升玩家的游戏体验和满意度。
(责任编辑：admin) |
