专栏首页Python数据科学数据分析带你玩吃鸡,堡垒新手再也不会被劝退

数据分析带你玩吃鸡,堡垒新手再也不会被劝退

本文转自 https://aaalvin.github.io/Personal-project/

作者:AAAlvin

全文阅读需要10分钟

1

为什么玩Fortnite?

哈?你问我为什么不玩绝地求生,我这种玩游戏实力不靠视力的玩家,玩什么绝地,常年状态就是”我是谁,谁在打我,啊!“

而且Fortnite在国外火的一塌糊涂,在Google Trends的对比Fortnite与PUBG的搜索趋势一目了然:

在18年3月进入了爆发式的增长,大大甩开了国内大热的PUBG,转看国内两个游戏的趋势:

国内目前还是绝地求生称霸,但是对比三月已经有了小幅下滑,且话题峰值也少了不少,反看堡垒之夜,7月13第五赛季开始,7月24日国服内测,都引起了不小的话题量,但目前绝地国服过审还遥遥无期,待等堡垒之夜国服正式公测,以腾讯的营销能力,怕是要掀起一波堡垒热潮,哈哈哈先入坑先成长,后面就有了劝(qi)退(fu)萌新的资本!

看了上面的趋势,大家一定都在摩拳擦掌准备进军堡垒之夜,但是要记住堡垒上手难度比较大,匹配不分等级,不会搭板子的萌新们容易被大佬压头,一波一波被劝退,那这里我用我收集到的第五赛季的数据,看看有没有可以帮助萌萌们更快上手,快速吃鸡的捷径。

2

萌新的枪支选择

你问我堡垒最绝望的死法是什么,那应该是落地我一把98k,啊呸,我一把猎枪,碰到对面拿冲锋枪,被打的生活不能自理,一首凉凉送给自己。

灵魂发问:那落地什么枪最吃香,什么距离拿什么枪?下面甩出堡垒的枪械数据:

当然这个数据是更新在国服版本为5.2的数据,因为不同的枪械有不同的稀有度,所以我取平均值进行比较,从上图可以看到新出的双管喷子伤害爆炸,紧接着冲锋枪跟上,随后是Scar和M4等步枪,因为有一些DPS比较靠前的枪种非常稀有,所以上表需要改进一下:

再筛去金紫蓝三色的枪后,我留下比较常见的白色和绿色枪,得到上图后我想对萌新们说的就是,落地看到冲锋枪,捡就是了,可打近可打远,要是落地没见到冲锋枪,捡一把M4也能打出爆表伤害,需要注意的就是,固然喷子的DPS不低,但是一定要配一把中远距离的枪,不然被放风筝打,可能会气的砸键盘,当然要是飞特别富裕的地方如小镇和天堂这些地方,按照第一个表去捡就对了。

3

不想落地成盒,萌新应该飞哪里?

哈?你问我玩堡垒之夜特别容易落地成盒,那肯定是你选的地方不对,要相信自己的枪法,两萌对喷,谁尬谁赢,所以选好落地地点,资源多材料多人还少是非常重要的(怎么感觉像人傻钱多速来),萌新前期可以考虑走这个路线:

去人少并且还算富裕的地点,尽量避免掐架,节省子弹还能攒下材料,稳稳的打决胜圈,当然枪法厉害的可以当我没讲,莽就是了,别人打的材料就是你的补给品。

道理我都懂,那我应该飞哪里呢,别急且看我上图:

Fornite资源丰富度分布图

Fornite宝箱分布图

这里需要备注说明的是,这两个图不是我做的,是我在4399堡垒专区找到的,本来要是我有数据的话,我可以用python生成一个资源丰富度高且开局前5分钟未死亡的热力图,那效果会更好,但是我没有数据TAT,真的找不到数据,A君尽力了,大家看上图也是ok的

所以萌新们再选取降落地点的时候,图中有名字的白色点都是足够养活1-2人地方,单人或双人是可以考虑的,要是3-4人可以考虑垃圾回收,马桶工厂孤独小屋这几个资源宝箱都较为ok的地方,但是走这个路线就要做好跑毒的准备,不要贪,缩圈就准备溜了,留的青山在才不会送快递嘛~

4

A君的成长之路

说了那么多,萌新们想知道如何才能快速成长,天天吃鸡的重点来了,必然是枪法刚,搭板快,哈哈哈哈,不说这些老生常谈,下面我就拿我们吃鸡小分队的数据来说事,探究一下大家如何才能更快的成长:

这里需要强调的是,因为后面的数据只是收集我们常打的几个人的数据,因为样本不是随机选取的,且有的人只截取自己打的比较好的数据给我,所以这个数据可能不具有预测性和统计显著性,所以我只探寻可能的方向和大家可以借鉴的方法,并不确定有很强的相关性和因果关系,当然我也急需大家的帮助,大家可以将自己每局的数据截屏发我邮箱,这样,我能统计更多的数据,样本会更具有随机性,分析结果的准确性也会大大提高,A君先在感谢大家了我的邮箱请在文末取用

本次分析取用第五赛季的港服数据,首先我们来看下我们几个菜鸡的吃鸡比率:

哈,看到吃鸡率还有点惊到,我们还有20%的吃鸡率呢,赶紧删掉只发给我们数据好看的人的数据:

哈哈哈哈,吃鸡率瞬间掉了5个百分点,看来12%的吃鸡率就是我们的实力了(哈哈哈哈我们好弱),不过没关系,我们90条数据中有17条吃鸡数据,数据量不算小,还是可以探究一些有趣的东西哒,嗯,先定一个主题吧,看看吃鸡率跟什么数据相关性最高!

看到这个热力图说实话还是有点吃惊的,跟吃鸡相关性最高的居然是行进里程(distance_traveled )

由相关性依次排列的前六名是:

  • 行进里程(distance_traveled ):0.86
  • 材料收集(materials_gathered :0.57
  • 建筑伤害(damage_to_structures ):0.52
  • 使用材料(materials_used ):0.51
  • 助攻(assists ):0.45
  • 精度(accuracy ):0.44

整体来说既有意外也有情理之中,我们一条一条来分析:

行进里程

虽然一开始我比较诧异行进里程跟吃鸡与否有这么强的相关性么?但是输出了上面行的这个进里程和成绩的散点图后,就比较明晰了:

  • 能看到少于两千米吃鸡的数据基本没有,看来我们的运气真的很差,基本没遇到天命圈的情况啊,哈哈哈哈大部分的时间都是在跑毒和准备跑毒中度过
  • 大部分少于两千的数据的成绩都很低,看来应该是落地成盒了,跑也没跑多远
  • 从散点图来看,行进里程确实跟是否吃鸡有很强的相关性,但是这个指标不太具有指导意义,我们不可能在游戏中为了吃鸡而拼命的跑,所以这是一个效应量比较低的值

材料收集&材料使用

材料使用和材料收集跟吃鸡率有相近的相关性,所以这里我放在一个散点图里一起研究,用不同的颜色来区分是收集数据还是使用数据:

  • 材料收集数据基本都大于使用数据, 于是我接着输出了一个均值图:
  • 可以看到基本上收集数据是两倍材料使用,哈哈哈也是正常,毕竟安排别人也为了捡别人爆出的材料,真的大神也只是顺便捡装备,主要还是捡材料,看来死之前把自己的材料搭完才能给狙击你的人以重击,他心底会对你升起深深的“敬意”,这时候的你也离脱离萌新不远了
  • 想进入决赛圈,看来要保证材料充足,这应该是吃鸡的一个必要要素了,不然打到一半没板子了,叮叮叮被人爆头的痛你可以领悟一下
  • 同时材料使用也不能少,基本上进前5你的材料使用要过千,那么练习搭板子还是很重要的,萌新们,看来捷径被封住了,练练搭板子吧,也许明天就拿着板子压别人的头了呢

建筑伤害

看到建筑伤害的散点图,我目测可能跟之前分析的差不多(上版本分析地址),我分析因为4排中有机枪手的存在(机枪手:负责拆板子,掩护钢枪厉害的队友突击),所以我将建筑伤害超过20000的数据取出来探究:

  • 基本可以看到4排中作为主机枪手的A君我(好像并不是很么值得骄傲的事TAT),因为枪不准,板子搭的也不快,所以荣升主机枪手,负责扫板子和掩护队友,这个版本虽然加特林削弱了(因为喷子削弱,相当于变相加强冲锋枪,由于加特林和冲锋枪共用手枪子弹,所以变相削弱加特林),但是火箭筒史诗加强,可拆板子可打近战,所以板子伤害爆炸
  • 对萌新来说要是板子和钢枪还没有那么厉害,可以像我这样,做一个机枪手,抱住一到两个大腿,就很容易吃鸡,只要不让敌方大神跟自己打近身战,还是比较有希望吃鸡的
  • 对于萌新机枪手的枪械推荐,有火箭筒一定拿!要是没有就尽量捡C4,用的时候也稍微省一点,其他的爆破性武器也可以用来拆板子;掩护队友,子弹多的话选加特林,子弹少的话就拿两把冲锋枪,再加一把鼓枪近战用,基本就比较稳了,不过枪械还是看个人手感,我只说自己的打法

精度

精度这个数据本来我个人觉得应该跟吃鸡率有比较强的相关性,但是看到热力图的时候有点差异,居然没有进前五,于是这边还是来探究一下:

精度与成绩的散点图也不是很明显,于是我把数据清理一下再输出一个均值(去除异常点,落地成盒,以及机枪手的数据,A君吃鸡的精度在11%大家给自己定位机枪手的可以对比一下)

  • 可以看到吃鸡的时候,精度刚过平均值的一半,看来精度跟吃鸡真的没有很强的相关性
  • 思考了一下也对,打到第一名的基本上是会跟2到3队遭遇战之后才能打到决赛圈,毕竟打出去的子弹越多,精度就越低,毕竟想保持一直是高精度的状态很难
  • 然而刚落地的时候,大家跳一起,基本近战用喷子或者冲锋枪,比较容易命中,所以名次比较靠后的反而精度比较高
  • 当然也有可能是我们的数据集比较局限,我们的打法也是比较稳健的,决赛圈基本守阵地远战为主,导致数据呈现这个状态,希望后面数据量比较大了以后会有新的发现

5

分析与结论

还是想先说明一下本数据只是少数人的数据,甚至有部分人只截图吃鸡数据,所以可能预测性不是特别高,只是用来发现一下有趣的方向,供以后有大量数据的时候分析使用

  • 萌新们在进入游戏后根据航线选定人少资源比较可以的点进行着陆
  • 优先捡冲锋枪和喷子,落地遭遇敌人也不用怕
  • 跑圈的过程中多多注意打材料,房子里面的家具都是一铲一个,路上的大树一定要砍
  • 决赛圈一定要保证自己有1000+的材料,与人对战对自己喷子没把握的可以远程掩护队友,良好的配合是吃鸡的充要条件
  • 搭板子一定要练好,做不到压别人的头也要注意不要被别人压着打,能跳能飞的别省,拉开距离就有胜算

好哒,这期堡垒之夜的分析就到这里了。

本文分享自微信公众号 - Python数据科学(Python_Spiderman)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-08-30

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 还在为找数据而发愁吗?看完这篇你应该再也不会了

    学数据分析当然要先有数据,数据是分析的根本,不然一切都是空谈。如果是在公司里,得到数据轻而易举,因为公司有客户,有业务,必然会产生大量数据。但仅仅是个人学习的话...

    用户2769421
  • 数据清洗&预处理入门完整指南

    数据预处理是建立机器学习模型的第一步(也很可能是最重要的一步),对最终结果有决定性的作用:如果你的数据集没有完成数据清洗和预处理,那么你的模型很可能也不会有效—...

    用户2769421
  • 数据清洗预处理入门完整指南

    数据预处理是建立机器学习模型的第一步(也很可能是最重要的一步),对最终结果有决定性的作用:如果你的数据集没有完成数据清洗和预处理,那么你的模型很可能也不会有效—...

    用户2769421
  • 这波教师节诚意干货,DT君不敢私藏

    原本以为,离开学校就再也体会不到教师节浓浓的师生情谊了。但DT君工作了几年才发现,既便离开了校园,生活也处处是导师。

    DT数据侠
  • 城市开放数据不好用,是你太笨还是政府太懒?

    被坑多次的DT君禀明立场:绝对不怪你!政府“一锅端”式的传统数据开放形式,如今越来越难以满足公众的需求。来自哈佛大学肯尼迪学院艾什中心(Ash Center)的...

    DT数据侠
  • 大数据可视化需要避免的三大误区

    最近,很多企业都在谈数据可视化,其受关注的程度不次于大数据。数据可视化是正确理解数据信息的最好方法,甚至是唯一方式。出色的可视化产品可以让用户...

    小莹莹
  • 你的神经网络不起作用的37个理由

    有一个网络已经训练了12个小时。一切看起来都很好:梯度是逐渐变化的,损失在减少。但接下来的预测:都是零,所有的图像背景都没有被检测到。“我做错了什么?”——我问...

    AI科技大本营
  • 独家 | 你的神经网络不起作用的37个理由(附链接)

    有一个网络已经训练了12个小时。一切看起来都很好:梯度是逐渐变化的,损失在减少。但接下来的预测:都是零,所有的图像背景都没有被检测到。“我做错了什么?”——我问...

    昱良
  • 独家 | 你的神经网络不起作用的37个理由(附链接)

    有一个网络已经训练了12个小时。一切看起来都很好:梯度是逐渐变化的,损失在减少。但接下来的预测:都是零,所有的图像背景都没有被检测到。“我做错了什么?”——我问...

    数据派THU
  • 【完结】如何学习AutoML在模型优化中的应用,这12篇文章可以作为一个参考

    自动化机器学习技术是非常重要的基础研究,也是如今深度学习模型优化中的热点方向,我们开辟了一个专栏,专门讲解AutoML在深度学习模型优化中的一些重要思路,本次来...

    用户1508658

扫码关注云+社区

领取腾讯云代金券