Ja Dankeschön. Ich bin zu süchtig nach dem Pokemon-Schwertschild und meine Forschung geht nicht weiter. Ich heiße Dason. Vielen Dank.
Übrigens gibt es in der Abteilung für Phänomen und Mathematik, die ich absolviert habe, "#MS_NCLT", einen jährlichen Austausch-LT von Studenten (oder besser gesagt, wir haben es geschafft). Also habe ich dieses Jahr angekündigt, aber dahinter steckte ein gutes Thema, um die grundlegende Tabellierung von Python zu lernen. Ich denke, ich werde es in Qiita zusammenfassen.
Wird sein. Ich benutze es nur, weil es einfach ist.
Wenn Sie Pokemon gespielt haben, sind Sie damit vertraut, magischer Austausch. (Bis vor kurzem dachte ich, es sei ein "Wundertausch". Arora!)
Es ist eine Funktion, die sich zufällig mit jemandem auf der Welt verbindet und Pokemon nur einmal mit dieser Person austauscht.
Es ist gut und beängstigend, nicht zu wissen, was von der anderen Partei kommt.
Das Pokémon, das in den magischen Austausch fließt Sehr unnötiges Pokemon oder überschüssiges Pokemon, das sorgfältig zum Schlüpfen ausgewählt wurde Wird sein.
Der Versuchstermin ist der 30. November. Seit seiner Veröffentlichung sind nur zwei Wochen vergangen Es ist eine Zeit, in der sogenannte "Gachis" sorgfältig zum Schlüpfen auswählen, und es ist auch eine Zeit, in der viele gute Individuen fließen.
Mit anderen Worten ** Wenn Sie sich das Pokémon ansehen, das zu diesem Zeitpunkt in den magischen Austausch fließt Kennen Sie das starke oder beliebte Pokémon dieser Arbeit? ** ** ** Ich dachte.
Also 200 mal. Notieren Sie sich nach dem Austausch das Pokémon, das zu Ihnen gekommen ist. Während Sie das Abstract des Papiers 3 Tage vor Ablauf der Frist und den Bericht 5 Tage vor Ablauf der Frist verfassen Ca. 8 Stunden. hart gearbeitet.
Jetzt zählen wir! !! !!
Ich habe die Datei, in der 200 Börsen aufgezeichnet wurden, "NCLT_pokemon.csv" genannt. Hier sind die Pokémon aufgelistet, die in der Reihenfolge von oben zur Hand kamen.
Ich werde dies mit Python lesen und zusammenfassen. Deklarieren Sie zunächst das zu verwendende Paket.
import numpy as np
import pandas as pd
import collections
import matplotlib.pyplot as plt
%matplotlib inline
Laden Sie dann csv.
df = pd.read_csv('NCLT_pokemon.csv')
Werfen wir einen Blick auf den Inhalt der Daten.
#Drei werden zufällig aus dem Datenrahmen df extrahiert.
df.sample(3)
Pokémon | |
---|---|
21 | Roselia |
10 | Belobar |
89 | Ein Riki |
So was.
Zählen wir nun, wie oft jedes Pokémon zur Hand war. Wenn Sie Counter in Sammlungen verwenden, zählt dieser sofort.
c = collections.Counter(np.array(df['Pokémon']))
Dieses c
enthält bereits die aggregierten Ergebnisse.
Es ist jedoch sehr schwer zu sehen, wie es ist, also lasst es uns mit Pandas formen.
#Da Counter ein Wörterbuch ist, konvertieren Sie es in DataFrame.
num_poke = pd.DataFrame.from_dict(c, orient='index')
#Geben Sie außerdem den Spaltennamen an
num_poke.columns = ['Anzahl der Auftritte']
#Sortieren Sie nach der Anzahl der Vorkommen.
num_poke_sort = num_poke.sort_values('Anzahl der Auftritte', ascending=False)
Damit ist die Formgebung abgeschlossen. Werfen wir einen Blick auf Top5!
num_poke_sort.head(5)
Anzahl der Auftritte | |
---|---|
Dramesia | 12 |
Koi King | 9 |
Mimikyu | 6 |
Scorbunny | 6 |
Galal Ponita | 5 |
Also das Ergebnis von 200 mal ** Dramesia ** war die Nummer eins in 12 Mal! Die neue 600er-Familie ist stark, nicht wahr?
Lassen Sie uns am Ende planen.
Da der Name des Pokémon auf Japanisch ist, verwenden Sie die Bibliothek japanize-matplotlib
, die matplotlib mit Japanisch kompatibel macht. Installation ist
pip install japanize-matplotlib
Sie können es von tun. Jetzt zeichnen wir.
import matplotlib.pyplot as plt
import japanize_matplotlib
#Geben Sie die Bildschirmgröße der Abbildung an
plt.figure(figsize=(30,5))
#Zeichnen Sie ein Balkendiagramm
plt.bar(np.array(num_poke_sort.index), num_poke_sort['Anzahl der Auftritte'])
#Drehen Sie das Etikett um 70 Grad um die horizontale Achse, um die Anzeige zu vereinfachen
plt.xticks(rotation=70)
Es ist fertig.
Diesmal war es nur Pokemon Neta. ** Dramesia ** Es ist etwas mehr als eins! !!
Recommended Posts