Описание проекта
Valorant — один из самых популярных соревновательных шутеров последних лет, сочетающий в себе элементы тактических FPS и командной стратегии. Проект Riot Games быстро сформировал устойчивое сообщество игроков и киберспортивную сцену, где результат матча зависит не только от индивидуального мастерства, но и от множества взаимосвязанных факторов: выбора агентов, особенностей карт, распределения ролей и командного взаимодействия.
Особенность Valorant заключается в балансе между механическими навыками игроков и стратегическими решениями, принимаемыми в ходе матча.
Каждый игровой матч может рассматриваться как сложная система, в которой статистические показатели, такие как количество убийств и смертей, процент побед, а также эффективность агентов и карт, отражают как уровень игроков, так и внутреннюю логику игровой среды.
По этой причине я посчитала тему Valorant интересной и подходящей для данного проекта. Игра представляет собой не только развлекательный продукт, но и удобный объект для анализа данных, поскольку её игровые механики напрямую выражаются в измеримых статистических показателях.
В рамках проекта рассматриваются такие аспекты, как эффективность агентов, особенности карт и характеристики оружия. Анализ этих параметров позволяет выявить факторы, оказывающие наибольшее влияние на исход матчей, и проследить, каким образом игровые решения отражаются в числовых данных.
Целью проекта является анализ открытых статистических данных по игре Valorant с использованием инструментов Python и библиотеки pandas, а также визуализация выявленных зависимостей в виде графиков.
В качестве источника данных для проекта я выбрала датасет, размещённый на платформе GitHub, из репозитория IronicNinja/valorant-stats, так как он содержит подробную и систематизированную статистику по основным игровым элементам Valorant, включая агентов, карты, оружие и ключевые игровые показатели. Такой набор данных позволяет провести последовательный анализ и построить наглядные визуализации.
Несмотря на то что данные были собраны несколько лет назад, я считаю их использование обоснованным, поскольку анализируемые метрики отражают базовые игровые механики и общие закономерности, которые не зависят напрямую от конкретных обновлений игры и сохраняют свою актуальность в аналитическом контексте.
Все представленные ниже графики построены на данных, относящихся исключительно к соревновательному режиму игры Valorant и рангу Diamond I. Это позволяет анализировать статистику в рамках одного уровня игры и избегать искажений, связанных с различиями в навыках игроков разных рангов.
Арт с заставки патча Valorant 11.07b
Цветовая палитра.
Оформление:
В оформлении графиков в этом проекте в качестве визуальной основы были использованы цвета из заставки патча Valorant 11.07b. Эта палитра была выбрана, потому что она напрямую связана с визуальной частью игры и при этом хорошо подходит для аналитических экранов и работы с данными.
Основную цветовую палитру составили оттенки 051926, 048ABF, 04D9D9, 98BF8E и C9F2AC. Они использовались для построения графиков и выделения ключевых данных. Дополнительные цвета 256265 и 66B49E применялись для второстепенных элементов и подписей, чтобы не перегружать визуализацию и сохранить читаемость.
Также в проекте используется шрифт DejaVu Sans, выбранный из-за его высокой читаемости и нейтрального характера.
Графики:
В процессе работы я отобрала типы графиков, которые наиболее эффективно передают характер данных и позволяют наглядно представить результаты анализа:
Круговая диаграмма Ленточная диаграмма Столбчатая диаграмма Линейный график
График № 1 — Баланс карт (атака / защита)
Данный график представлен в виде двух круговых диаграмм, отображающих процент побед на атаке (Atk Win) и защите (Def Win) для различных карт. Круговая диаграмма позволяет наглядно увидеть распределение значений и сравнить вклад каждой карты в общий процент побед.
*Атака — это сторона, цель которой установить спайк (бомбу) на точке и защитить её до взрыва. Защита — это сторона, которая должна помешать установке спайка или обезвредить его, если он уже установлен.
Круговые диаграммы — распределение побед на атаке и защите по картам в соревновательном режиме (Diamond I).
Такой формат визуализации позволяет зафиксировать текущее распределение результатов и увидеть, как победы между картами соотносятся между собой. Представленные данные показывают, что все карты оказываются почти равными между собой. Разница в примерно 3–6% от 50/50.
Из представленных данных все же можно сделать некоторые выводы: Нападающие чаще побеждают на Breeze (51.9%) и Icebox (51.1%) — эти карты с открытыми пространствами проще для атаки. Обороняющиеся сильнее на Bind (53%) и Split (52.5%) — узкие коридоры и телепорты помогают держаться. Остальные карты почти равны: Ascent (47.9% атака / 51% оборона), Haven (47% / 48,9%).
В то же время полученные данные показывают, что в целом каждая карта предоставляет командам примерно равные шансы на победу. Различия между атакой и защитой существуют, однако они остаются в пределах умеренных значений и не создают критического дисбаланса.
Код для круговых диаграмм (распределение побед на атаке и защите по картам в соревновательном режиме (Diamond I).)
График № 2 — Поведение агентов (использование ульты)
Поскольку анализ карт показал, что исход матча не определяется исключительно стороной атаки или защиты, следующим шагом логично рассмотреть, какие игровые инструменты используют сами агенты и как часто они влияют на ход раунда.
Следующая диаграмма отражает среднее количество использований способности Ultimate (самая мощная способность агента) различными агентами. Каждый луч диаграммы соответствует отдельному агенту, а его длина показывает частоту применения ультимативной способности.
Лепестковая диаграмма — использование Ultimate различными агентами в соревновательных матчах.
Этот график является изучающим, поскольку он позволяет сравнить агентов по одному показателю и выявить различия в игровом поведении, не делая выводов о том, насколько эффективны эти способности. Визуализация помогает зафиксировать особенности использования игровых механик на уровне Diamond I.
На графике заметно, что лидеры по использованию ультимейта — это Yoru и Skye. В среднем каждый из них активирует свою ультимативную способность 3.9 раза за матч. Чуть-чуть отстаёт Phoenix — 3.7 раза, но он тоже уверенно держится в топе.
Средний уровень показывают Breach с 2.9 раза, а также Jett и Raze — у обоих примерно по 2.7 раза за игру. Это значит, что их ультимейты используются довольно часто, но уже не так агрессивно, как у лидеров.
Меньше всего ультимативных способностей активируют Killjoy (2.6 раза) и Astra (3 раза). У этих агентов ультимейты требуют больше подготовки и времени, поэтому в быстрых матчах они срабатывают реже.
Такой разброс наглядно показывает, что самые «взрывные» и быстрые ультимейты (Yoru, Skye, Phoenix) используются чаще всего, а более оборонительные и сложные в применении (Killjoy, Astra) заметно реже.
Код для лепестковой диаграммы (использование Ultimate различными агентами в соревновательных матчах)
График № 3 — Эффективность агентов на конкретной карте
Однако частота использования ультимативных способностей сама по себе не отражает, насколько выбор агента влияет на результат матча. Поэтому далее имеет смысл перейти к анализу процента побед агентов в конкретных игровых условиях.
Столбчатая диаграмма показывает процент побед различных агентов на карте Ascent. Для анализа я решила взять именно ее, так как она как одна из наиболее стабильных и часто встречающихся карт в соревновательном пуле рассматриваемого периода.
Столбчатая диаграмма — процент побед агентов на карте Ascent в соревновательном режиме (Diamond I).
Выводы, которые можно сделать из этого графика:
Omen — лидер с 63,8% побед. Breach — второй (61.5%). Эти два агента сильно доминируют Ascent. Хорошие результаты у Sage (54.6%), Viper (53.6%) и Killjoy (51.4%) — контролёры и стражи (это два класса агентов в Valorant) Средний уровень (около 45–50%): Jett, Reyna, Phoenix, Sova, Cypher, Raze, Yoru. Слабые агенты: Astra и Skye (по 41,7%), Brimstone (38.7%). Их способности хуже работают на этой карте.
Этот график относится к объясняющим, так как он даёт конкретный ответ на вопрос о том, какие агенты показывают более высокие и более низкие результаты на выбранной карте в рамках одного ранга. Визуализация позволяет интерпретировать различия и делать выводы о предпочтительности агентов для игры на карте Ascent.
Код для столбчатой диаграммы (процент побед агентов на карте Ascent)
График № 4 — Точность и стиль игры через оружие
Поскольку эффективность агентов во многом зависит не только от их способностей, но и от индивидуальных игровых решений, следующим шагом становится анализ оружия как ещё одного ключевого фактора, влияющего на стиль игры и исход перестрелок.
Линейный график отображает процент попаданий в голову (Headshot %) для различных видов оружия. Каждая точка соответствует отдельному виду оружия, а линия позволяет проследить общую тенденцию изменения показателя.
*Headshot — это выстрел в голову, который убивает врага мгновенно, независимо от брони.
Линейный график — процент попаданий в голову (Headshot %) для различных видов оружия.
По представленному линейному графику видно, что наибольший процент попаданий в голову демонстрируют Marshall (24,1%), Sheriff (23%) и Guardian (около 20%). Эти виды оружия предполагают одиночные выстрелы и высокий урон, что напрямую поощряет аккуратную и выверенную стрельбу, ориентированную на точность.
Средние значения процента хедшотов (примерно 16–17%) характерны для таких видов оружия, как Vandal, Phantom, Classic, Stinger, Frenzy и Bulldog. Данные категории оружия используются в более динамичных игровых ситуациях и допускают как точную стрельбу, так и спрей, что снижает общий процент попаданий в голову, но делает их более универсальными в перестрелках на средней дистанции.
Наименьшие показатели (в диапазоне 8–13%) наблюдаются у Shorty, Spectre, Judge, Operator, Odin и Ares. Для дробовиков и SMG низкий процент хедшотов объясняется спецификой ближнего боя и разбросом пуль, где попадания в голову не являются основной целью. В случае тяжёлого оружия и снайперской винтовки Operator низкий показатель связан с тем, что решающее значение имеет сам факт попадания, а не точность в голову как отдельная метрика.
Таким образом, график показывает, что процент хедшотов напрямую связан с предполагаемым стилем использования оружия. Оружие, ориентированное на одиночные точные выстрелы, демонстрирует более высокие значения, тогда как оружие для ближнего боя, подавления или быстрого размена урона характеризуется более низким процентом хедшотов. Это подчёркивает, что выбор оружия отражает тактические решения игроков и специфику игровых ситуаций в матчах ранга Diamond I.
Код для линейного графика (процент попаданий в голову (Headshot %) для различных видов оружия).
Этот график является объясняющим, так как он показывает не просто различия в значениях, а позволяет понять, почему разные виды оружия используются по-разному. Процент хедшотов здесь напрямую связан с механикой оружия и предполагаемым стилем игры, что помогает интерпретировать числовые данные через реальные игровые ситуации.
Заключение
Проведённый анализ показал, что игровой процесс Valorant на уровне ранга Diamond I формируется за счёт сочетания нескольких факторов, а не одного доминирующего элемента. Баланс карт остаётся относительно устойчивым, однако конкретные игровые решения, такие как выбор агента, использование ультимативных способностей и стиль применения оружия, заметно влияют на ход матча.
Результаты анализа агентов и оружия демонстрируют, что эффективность в игре достигается не универсальными стратегиями, а адаптацией к игровым условиям. Данные подтверждают, что успешная игра строится на осознанном выборе инструментов под конкретную карту и ситуацию, а не на следовании единой оптимальной модели поведения.
Таким образом, статистика позволяет рассматривать Valorant как систему, в которой числовые показатели отражают реальные игровые решения игроков. Даже данные раннего периода развития игры выявляют устойчивые закономерности, показывающие, как дизайн игровых механик и тактический выбор находят отражение в результатах матчей.
Такой подход к анализу данных можно применять и к другим играм, поскольку он позволяет изучать игровые системы через статистику и поведение игроков.
Используемые инструменты
Adobe Color — использовался для подбора цветовой палитры.
Grok — применялся для генерации обложки проекта, соответствующей тематике Valorant.
ChatGPT 5.2 — использовался как вспомогательный инструмент для доработки отдельных фрагментов кода, уточнения формулировок и структурирования текста.
Codex — помогал в оптимизации и упрощении программного кода, используемого для анализа данных.
Carbon — применялся для создания визуально аккуратных изображений кода с изменённым фоном и цветами шрифта.
Источники изображений
Шихаб Т. Valorant: Everything to Know About the New Agent Veto // AltChar. — 2025. — 7 окт. — URL: https://www.altchar.com/game-news/valorant-everything-to-know-about-the-new-agent-veto-aMYEQ9r6TYdz (дата обращения: 20.12.2025).
