LCK 데이터 분석하기

데이터 가져오기

Oracle`s Elixer 사이트에는 롤 리그경기 자료들이 모여 있다.

2024 Spring LCK에서 쓰인 챔프들을 분석해보자.

https://oracleselixir.com/stats/champions/byTournament/LCK%2F2024%20Season%2FSpring%20Season

Oracle's Elixir - LoL Esports Stats

 

데이터 정리하기

from google.colab import files
import pandas as pd

uploaded_files = files.upload()

import io
file_name = list(uploaded_files.keys())[0]
df = pd.read_csv(io.BytesIO(uploaded_files[file_name]))

df

다운로드 받은 csv를 로컬로 업로드 한 후 출력을 해보면 

경기 내에서 사용한 챔프들의 데이터들이 불러와진다.

챔프, 포지션 별로 나눠져 있고, 승률, 밴픽률, 총킬, 총데스 심지어는 퍼스트블러드 확률, 분당 와드 점수 같은 세세한 정보들도 다 모여있다.

 

우선 데이터를 쭉 보기 위해서 탑, 정글, 미드, 원딜, 서폿 순으로 정렬을 해보자.

df_sorted = df.sort_values(by='Pos', key=lambda x: pd.Categorical(x, categories=['Top', 'Jungle', 'Middle', 'ADC', 'Support'], ordered=True))

df_sorted

데이터가 너무 많아서 보기 불편하니 포지션 별로 DataFrame을 나눠서 따로 관리하자

# 'Pos' 항목을 기준으로 DataFrame을 나누기
top_df = df[df['Pos'] == 'Top']
jungle_df = df[df['Pos'] == 'Jungle']
middle_df = df[df['Pos'] == 'Middle']
adc_df = df[df['Pos'] == 'ADC']
support_df = df[df['Pos'] == 'Support']

 

분석

포지션 별로 가장 밴픽률이 높은 챔피언 10개씩 추려보자.

테이블에서 밴픽률은 P+B%이다.

def extract_and_convert(value):
    if isinstance(value, str):
        return float(value.rstrip('%'))
    else:
        return value

# 결과를 저장할 딕셔너리 생성
position_results = {}

# 각 포지션별 P+B% 항목이 가장 높은 10개 출력 및 저장
for position, position_df in {'Top': top_df, 'Jungle': jungle_df, 'Middle': middle_df, 'ADC': adc_df, 'Support': support_df}.items():
    position_df_sorted = position_df.copy()
    position_df_sorted['P+B%'] = position_df_sorted['P+B%'].apply(extract_and_convert)
    position_df_sorted = position_df_sorted.nlargest(10, 'P+B%')
    position_results[position] = position_df_sorted

position_results['Top']
position_results['Jungle']
position_results['Middle']
position_results['ADC']
position_results['Support']

각 데이터프레임을 출력 해보면

전체 적으로 크산테와 세나가 많은 관심을 받고 있는 것 같다.

문제점

결과를 보니 문제가 될 수 있는 부분이 하나 있다.

같은 챔프를 서로 다른 라인에서 사용해도 같은 밴률을 공유한다는 것이다.

그래서 미드의 결과를 보면 미드 크산테는 한 번 기용됐지만 밴픽률이 1위인 것을 알 수 잇다.

정글 노틸러스, 서폿 칼리스타도 딱 한 번 기용 됐지만 밴픽률이 높은 것을 알 수 있다.

 

그래서 GP(Game Played)가 2이하인 데이터들은 제외를 하고 정렬을 하면 해결이 될 것 같다.

position_df_sorted = position_df_sorted[position_df_sorted['GP'] > 2].nlargest(10, 'P+B%')

10개를 가져오는 줄에서 GP가 2보다 큰 값들만 가져오게 해줬다.

결론

크산테 세나가 협곡에 큰 영향을 미치고 있는 것으로 보인다.