🚩首先在介绍本章之前，我们有必要清楚学习技术的真正意义：我认为学习技术的真正意义是能够运用所学去处理实际问题，而不是用知识去包装自己让自己成为技术界的“纸老虎”。
老铁们，让技术有用武之地。我们要以项目为线索，逐步深入开发的各个环节，掌握常用的优化思路。提升工程编码能力和思维能力。
一、项目背景及目的
1、项目背景
我们要处理的是一份电子游戏行业综合销售数据，希望通过分析电子游戏行业在全球的发展概况，产生一份综合的游戏行业报告。
2、分析目的
从市场角度： 各个地区销售额变化（折线图）的数据可视化和分析。
从平台角度： 开发游戏数量前二十（条形图）的数据可视化和分析，近些年的趋势有什么变化？
从类型角度： 探究用户最喜欢的游戏类型top10是什么，近些年的趋势有什么变化？
二、数据收集与整理
1、数据来源
所用到的vgsale.csv数据均从Kaggle平台下载：
Kaggle平台
https://www.kaggle.com/datasets/gregorut/videogamesales
2、数据说明
数据集包含了从1980年到2020年来，发行的电子游戏销售数据。
| 文件名称 | 说明 | 包含特征 | 特征对应中文名 |
vgsale.csv |
电子游戏销售数据 |
Rank、Name、Platform、Year、Genre、Publisher、 NA_Sales、EU_Sales、JP_Sales、Other_Sales、 Global_Sales |
排名、游戏名、平台、发行年份、类型、发行商、NA销售额、EU销售额、JP销售额、其他地区销售额、总销售额 |
3、理解数据
数据集的每一行表示一条用户行为，由排名、游戏名、平台、发行年份、类型、发行商、NA销售额、EU销售额、JP销售额、其他地区销售额、总销售额组成，并以逗号分隔。关于数据集中每一列的详细描述如下：👇
| 列名称 | 说明 |
| 排名 | 整数类型，序列化后的排名 |
| 游戏名 | 字符串，游戏名称 |
| 平台 | 字符串，该游戏发行平台名称 |
| 发行年份 | 浮点型，该游戏的发行日期 |
| 类型 | 字符串，该游戏的类型 |
| 发行商 | 字符串，该游戏的发行商名称 |
| NA销售额 | 浮点型，小数点后有效数字为2位，该游戏北美销售额（百万） |
| EU销售额 | 浮点型，小数点后有效数字为2位，该游戏欧洲销售额（百万） |
| JP销售额 | 浮点型，小数点后有效数字为2位，该游戏日本销售额（百万） |
| 其他地区销售额 | 浮点型，小数点后有效数字为2位，该游戏世界其他地区销售额（百万） |
| 总销售额 | 浮点型，小数点后有效数字为2位，该游戏全球销售额（百万） |
三、数据处理
1、导入数据
（1）导入模块
#1、导入模块 import pandas as pd import numpy as np
（2）解决中文显示问题
import matplotlib as mpl mpl.rcParams['font.sans-serif'] = ['KaiTi', 'SimHei', 'FangSong'] # 汉字字体,优先使用楷体，如果找不到楷体，则使用黑体 mpl.rcParams['font.size'] = 12 # 字体大小 mpl.rcParams['axes.unicode_minus'] = False # 正常显示负号
（3）读取源文件
#3、读取源文件 df=pd.read_csv(r"C:\Users\lis\Desktop\vgsales.csv") //这里我使用的是本地文件夹下的csv文件
2、检查数据
（4）检查前五组数据
1. #4、检查前五组数据 2. print(df.head())
运行结果：
（5）一下每列的数据类型
#5、查一下每列的数据类型 print(df.dtypes)
运行结果：
（6）检测数据集的几行几列（形状）
1. #6、检测数据集的几行几列（形状） 2. print(df.shape
运行结果：
（7）获取数据集的长度
1. #7、获取数据集的长度 2. print(len(df))
运行结果：
（8）获取数据集的基本信息
1. #8、获取数据集的基本信息 2. print(df.info())
运行结果： 
3、数据清洗
（1）去重（很明显没有重复数据，不需要去重）drop_duplicates()
（2）检测是否有缺失值
1. #2.1、检测是否有缺失值 2. df.isnull().any()
运行结果：
（3）缺失值的图形显示（安装模块——missingno）
#2.2、缺失值的图形显示（安装模块——missingno） import missingno as mano import matplotlib.pyplot as plt mano.matrix(df,figsize=(16,5),labels=True) plt.show()
运行结果：
（4）缺失率的计算
#2.3、缺失率的计算 def mis_val_table(df):#自定义一个函数 #缺失值的个数 mis_val=df.isnull().sum()#sum求出缺失值个数 mis_val_per=100*mis_val/len(df)#比上数据长度得到缺失率 mis_val_table=mis_val_per.to_frame()#转换为DataFrame数据 mis_val_table.columns=['缺失率']#让列名等于‘缺失率’ mis_val_table=mis_val_table.sort_values(by='缺失率',ascending=False)#通过sort_values函数将值从大到小排序 print(mis_val_table)#最后按倒序打印出缺失率 mis_val_table(df) #通过结果可以看出缺失率非常小，删除不影响处理结果
运行结果：
（5）删除缺失值
#2.4、删除缺失值 df.dropna(inplace=True) df.info() #删除之后数据由16598变为16291，删去了307行缺失数据 #到这里第2步‘缺失值的处理’，就完成了
（6）转化
#3、转化 df['Year']=df['Year'].astype(int)#将年份转换为整形 df.info()
运行结果：
（7）异常数据处理
#4、异常数据处理 print(df[df['Year']>2022])#通过数据过滤 #输出结果为空，没有异常数据
运行结果： 
4、保存新数据
#5、保存清洗完的数据 df.to_csv('games.csv',index=0)#index=0删去第一行unname数据，避免对后面操作造成麻烦 #到这里，‘数据清洗’操作全部完成
四、数据分析
1、求出每个平台总的销售业绩，并绘制出线性图，并做简单的数据分析
#1、求出每个平台总的销售业绩，并绘制出线性图，并做简单的数据分析 df1=df.groupby('Platform')['Global_Sales'].sum()#对Platform分组，找到全球销售额，求和 print(df1) df1.plot(xlabel='开发平台',ylabel='销售总额')#画图 # 分析：最高PS2达到1233.46 #分析 最低PCFX 为0.03
运行结果：
2、 求出每个平台总的销售业绩,排出前5名，画柱形图
#2、 求出每个平台总的销售业绩,排出前5名，画柱形图 df2=df.groupby('Platform')['Global_Sales'].sum().sort_values(ascending=False).head(5)#对Platform分组，找到全球销售额，求和，排序，拿到前五 print(df2) df2.plot.bar(xlabel='开发平台', ylabel='销售总额')#画图
运行结果：
3、求出每个平台在北美的平均销售业绩，线形图
# 3、求出每个平台在北美的平均销售业绩，线形图 df3=df.groupby('Platform')['NA_Sales'].mean()#对Platform分组，找到北美销售额，求平均 print(df3) df3.plot(xlabel='开发平台',ylabel='平均销售业绩')#画图 #最高为GB 1.171546 #最低为3DO GG NG PCFX TG16 WS 为0
运行结果：
4、求出年销售额前5的年份和销售额,并画出柱状图
# 4、求出年销售额前5的年份和销售额,并画出柱状图 df4=df.groupby('Year')['Global_Sales'].sum().sort_values(ascending=False).head(5)#对Year分组，找到全球销售额，求和，排序，拿到前五 print(df4) df4.plot.bar(xlabel='年份', ylabel='销售额')
运行结果：
5、求出类别为Sports的游戏在北美、欧洲、日本和其他地区的销售总额
# 5、求出类别为Sports的游戏在北美、欧洲、日本和其他地区的销售总额 df5=df[df['Genre']=='Sports'][['NA_Sales','EU_Sales','JP_Sales','Other_Sales']].sum()#过滤出Sports类型数据，分别找出北美、欧洲、日本、其他 #地区求和 df5.plot.bar(xlabel='地区',ylabel='销售额')#画图
运行结果：
6、统计每个平台开发不同游戏类型的个数
# 6、统计每个平台开发不同游戏类型的个数 df6=df.groupby(["Platform",'Genre']).count()['Year']#对Platform，Genre进行分组，用count统计游戏类型个数，通过['Year']找到对应的值 df6.plot()#画图
运行结果：
7、求出年份在1998和2008年之间的每个发行商的销售业绩。
# 7、求出年份在1998和2008年之间的每个发行商的销售业绩。 df7=df[(df['Year']<=2008)&(df['Year']>=1998)].groupby('Publisher')['Global_Sales'].sum()#过滤出年份在1998-2008的数据，对Publisher分组，找到 #全球销售额，求和 df7.plot(xlabel='发行商', ylabel='销售业绩')#画图
运行结果：
8、发行商的销售业绩排行榜（前20名），画线性图
# 8、发行商的销售业绩排行榜（前20名），画线性图 df8=df.groupby('Publisher')['Global_Sales'].sum().sort_values(ascending=False).head(20)#对Publisher分组，找到全球销售额，求和，排序，拿出前20 df8.plot(xlabel='发行商', ylabel='销售业绩')#画图
运行结果：
9、哪种类型的游戏最受欢迎？
# 9、哪种类型的游戏最受欢迎？ df9=df.groupby('Genre')['Global_Sales'].sum().sort_values(ascending=False).head(20)#对Genre分组，找到全球销售额，求和，排序，拿出前20 df9.plot(xlabel='游戏类型', ylabel='销售额') #分析：通过销售额可以看出Action类型游戏最受欢迎
运行结果：
10、每个地区最受欢迎的三类游戏
# 10、每个地区最受欢迎的三类游戏 # 对Genre进行分组，分别找到北美、欧洲、日本、其他地区销售额，求和，排序，拿出前3，分别画图 df10_1=df.groupby('Genre')['NA_Sales'].sum().sort_values(ascending=False).head(3) df10_2=df.groupby('Genre')['EU_Sales'].sum().sort_values(ascending=False).head(3) df10_3=df.groupby('Genre')['JP_Sales'].sum().sort_values(ascending=False).head(3) df10_4=df.groupby('Genre')['Other_Sales'].sum().sort_values(ascending=False).head(3) df10_1.plot.bar(xlabel='游戏类型',ylabel='销售额',title='北美最受欢迎的三类游戏') df10_2.plot.bar(xlabel='游戏类型',ylabel='销售额',title='欧洲最受欢迎的三类游戏') df10_3.plot.bar(xlabel='游戏类型',ylabel='销售额',title='日本最受欢迎的三类游戏') df10_4.plot.bar(xlabel='游戏类型',ylabel='销售额',title='其它地区最受欢迎的三类游戏')
运行结果：
11、每个游戏开发平台开发的游戏总数（前20名）
# 11、每个游戏开发平台开发的游戏总数（前20名） print(df['Platform'].value_counts().head(20)) df11=df['Platform'].value_counts().sort_values(ascending=False).head(20)#找到Platform数据，用value_counts()统计每个平台开发游戏的总数，排序 #拿出前20 df11.plot.bar(xlabel='开发平台',ylabel='数量',title='游戏开发平台开发的游戏总数')#画图 #分析最多：DS 达到2131 # 最低：2600仅为116
运行结果：
12、平台名为NES的下一步应该寻求哪十个发行商合作
#12、平台名为NES的下一步应该寻求哪十个发行商合作 dfx=df[df['Platform']=='NES'].groupby('Publisher')['Global_Sales'].sum().sort_values(ascending=False).head(10)#过滤出平台名为NES的数据，对 #Publisher分组，找到全球销售额 dfx.plot.bar(xlabel='发行商',ylabel='销售额')#画图 #求和，排序，拿出前10
运行结果：
