Исходный размер 608x850

Игровая статистика за январь — июль 2023 года.

Введение

На самом деле, для меня выбрать данные для этого исследования было крайне сложно. Протыкав по всем ссылкам курса, наткнулась на кучу сложной и объемной информации, вгонявшей меня в тупик. Но проведя некоторое время на сайте «Kaggle» нашла интересную тему для этого задания. «Набор данных игр Steam за 2024 год» — так называлась статистика, которая стала отправной точкой этого проекта.

Тема проекта

Итак, направление ясно. К сожалению, приспособить таблицу с данными, которые нашла, я не смогла. Все время что-то мешало. Но тема оказалась что надо. Я люблю игры, игры любят меня, и мы счастливы вместе.

В Яндексе стала искать статистику о выпущенных играх за 2023-й год, первая же ссылка на Википедию дала мне все ответы, в виде таблицы с месяцем, названием и датой выпуска игры. С этим уже можно работать.

Процесс работы

Расфасовав все данные по парам словаря, стала думать над вопросами, которые можно использовать для составления инфографики. Получилось так:

  1. В какой месяц выходило больше всего игр?

  2. Какое название самое длинное и сколько в нем символов? А какое самое короткое?

  3. На какие платформы больше всего акцента у разработчиков?

И самое бесполезное, но то, что стало интересно лично мне в процессе обработки информации:

  1. На какую букву чаще всего начинаются названия игр? (моя ставка была на английскую букву «C»)

Также необходимо упомянуть, что я использовала статистику за месяцы с января по июль, чтобы не перегружать эту работу.

Теперь, когда цели и задачи ясны, можно приступать к написанию кода.

Первый график — «В какой месяц выходило больше всего игр?»

Первым графиком стала гистограмма, отвечающая на вопросы о количестве игр в месяц, вот код, который я вывела (в том числе с помощью статей в интернете, сайта «Kaggle» и ChadGPT):

В словаре «data = {}» хранятся все нужные данные, которые здесь я оставлять не буду, иначе проект растянется еще на пару страниц, но их можно найти в прикрепленном блокноте.

import pandas as pd import matplotlib.pyplot as plt

data = {}

df = pd.DataFrame (data) df['дата_выхода'] = pd.to_datetime (df['дата_выхода'], format='%d.%m')

df_filtered = df[(df['дата_выхода'].dt.month ≥ 1) & (df['дата_выхода'].dt.month ≤ 7)]

plt.figure (figsize=(8, 6)) plt.hist (df_filtered['дата_выхода'].dt.month, bins=7, color='darkcyan', edgecolor='black', range=(1, 8)) plt.title ('Количество игр по дате выхода') plt.xlabel ('Месяц') plt.ylabel ('Количество игр') plt.xticks (range (1, 8), ['Янв', 'Фев', 'Мар', 'Апр', 'Май', 'Июн', 'Июл']) plt.tight_layout () plt.show ()

Исходный размер 790x590

Получается, ответом на мой вопрос является месяц Февраль, как период, в который вышло аж 17 игр, не смотря даже на то, что это самый короткий месяц в году. Ну и Апрель, с таким же показателем. Самым «неурожайным» оказался Январь — что не удивительно из-за количества выходных в этом месяце.

Второй график — «Какое название самое длинное и сколько в нем символов? А какое самое короткое?»

График про количество символов в названиях игр — еще одна гистограмма.

import pandas as pd import matplotlib.pyplot as plt

data = {}

df = pd.DataFrame (data)

df['длина_названия'] = df['название_игры'].apply (lambda x: len (x)) df_sorted_by_name_length = df.sort_values ('длина_названия') plt.figure (figsize=(20, 5)) plt.bar (df_sorted_by_name_length['название_игры'], df_sorted_by_name_length['длина_названия'], color='darkcyan') plt.title ('График по длине названия игр') plt.xlabel ('Название игры') plt.ylabel ('Длина названия') plt.xticks (rotation=90) plt.grid (axis='y') plt.show ()

Исходный размер 1616x871

Вот такая вот огромная колбаса получилась, зато очень наглядная (если получится разглядеть 77 названий конечно).

Вывод: самое длинное название у дополнений к играм — «Pathfinder: Wrath of the Righteous DLC The Last Sarkorians» — целых 58 символов. С приличным отрывом от него идет «Horizon Forbidden West: Burning Shores (DLC)» (всей маршруткой ждем на ПК) — 44 символа.

Самое короткое название — «Dredge» — всего 6 букв.

Третий график — «На какие платформы больше всего акцента у разработчиков?»

Третья (и последняя) гистограмма, показывающая использование платформ для выпуска игр.

import pandas as pd import matplotlib.pyplot as plt

data = {}

df = pd.DataFrame (data)

platform_counts = df['платформа'].value_counts () plt.figure (figsize=(15, 5)) platform_counts.plot (kind='bar', color='darkcyan') plt.title ('График по частоте использования платформ') plt.xlabel ('Платформа') plt.ylabel ('Количество игр') plt.xticks (rotation=90) plt.grid (axis='y') plt.show ()

Исходный размер 1229x679

Получается, на один только Windows приходится больше 20 игр из 77, а на втором месте находятся мультиплатформенные игры, выпущенные для самых популярных устройств, судя по всему от крупных издателей, рассчитывающих на большую аудиторию.

Меньше всего игр выпускается в Web-формате. Вполне вероятно, что это связано с ограничением мощности платформы.

Четвертый график — «На какую букву чаще всего начинаются названия игр?»

Самая интересная и, по совместительству, самая красивая часть этой работы — какая первая буква самая популярная у тех, кто называет игры?

import pandas as pd import matplotlib.pyplot as plt

data = {}

first_letters = [game[0].upper () for game in data['название_игры']] letter_counts = {letter: first_letters.count (letter) for letter in set (first_letters)}

labels = letter_counts.keys () sizes = letter_counts.values ()

plt.figure (figsize=(10, 8)) plt.pie (letter_counts.values (), labels=letter_counts.keys (), autopct='%1.1f%%', startangle=140, colors=['darkcyan', 'royalblue', 'lightseagreen', 'palevioletred', 'turquoise']) plt.axis ('equal') plt.title ('Частота использования первых букв в названиях игр') plt.show ()

Исходный размер 794x658

Итак, на диаграмме отчетливо видно, что самая популярная первая буква в названии игр это… «S» английская. Частота ее использования составляет аж почти 17%. На втором месте по крутости буква «T», тоже английская. Помимо очевидного, с помощью этой диаграммы можно сделать вывод, что названия на русском языке явно не были популярны в первой половине 2023-го года.

К слову, моя ставка не оправдала себя, буква «C» наоборот оказалась одной из самых редко используемых.

Визуал

Когда я узнала о том, как Python воспринимает цвета, сразу же полезла искать все названия всех цветов, которые можно использовать. Методом проб и ошибок и, конечно же, благодаря наметанному глазу, нашла классно сочетающиеся цвета и использовала их. Но так как цвет под названием «darkcyan» покорил мое сердце, ему я уделила больше всего внимания и использовала по максимуму.

Исходный размер 1682x1649

Использование нейросетей

Игровая статистика за январь — июль 2023 года.
Анастасия Шипицына создала статистику о выпуске игр за январь - июль 2023 года в формате исследования. Проект включает визуализацию данных с использованием Python и анализ частоты использования первых букв в названиях игр.
Описание проекта сделано с помощью ИИ
Проект создан 08.10.2024
Другие проекты c тегом искусственный интеллект
Егор Шаевич проанализировал пассажиропоток общественного транспорта в Москве с использованием открытых данных. Проект включает круговые, столбчатые и линейные диаграммы, созданные на основе месячных статистических данных за несколько лет.
Мария Луговая создала визуализацию набора данных о прогнозировании рака, чтобы проанализировать факторы риска заболевания. Проект включает столбчатые диаграммы, линейные графики и рассеянные графики, выполненные в пастельной палитре для снижения эмоциональной нагрузки на зрителя.
Елизавета Лысенко подготовила анализ статистики преступлений в России в формате текстового отчета с визуализацией данных. Проект включает круговые и столбчатые диаграммы, а также линейные графики, созданные на основе открытых данных о преступлениях за несколько лет.
Автор Екатерина Филатова создала проект, в котором анализирует датасет о сыре и его распространении в мире. Проект включает визуализацию данных, построенные графики и информацию о составе сыра, а также критику вегетарианских и веганских подделок.
dafes
DAFES — платформа, объединяющая лучшие проекты и продукты экосистемы по направлениям design, art, fashion, education и startup. Внутри неё действует сообщество Deziiign, которое объединяет дизайнеров, художников, иллюстраторов и фотографов — профессионалов всех творческих направлений. Это пространство для демонстрации работ, обмена идеями и неординарными подходами, а также встреч с потенциальными заказчиками, исполнителями и па... Показать больше
design
art
fashion
education
startups
Мы используем файлы cookies для улучшения работы сайта и большего удобства его использования. Более подробную информац...
Показать больше