Übersicht (TL; DR)

Es ist eine Aufzeichnung, als ich die numerische Berechnungsbibliothek von Python basierend auf dem Erfahrungswert geübt habe, der für das Leveln des Drakue Walk erforderlich ist. Überprüfen Sie in (1) die Daten und in (2) berechnen wir das mathematische Modell. (Ich studiere gerade, daher würde ich mich freuen, wenn Sie auf Fehler hinweisen könnten.)

Daten lesen und visualisieren
Modellieren Sie die Daten mathematisch (Regressionsanalyse)

Schauen Sie sich zuerst die Daten an

Laden Sie die gewünschte Bibliothek. Ich kann es dieses Mal nicht verwenden, aber ich werde es das nächste Mal verwenden, also lies es.

import pandas as pd
import numpy as np
import scipy as sp

import matplotlib.pyplot as plt
import seaborn as sns

sns.set()
%matplotlib inline
%precision 3

Übertragen Sie den erforderlichen Erfahrungswert für jede Ebene von der Referenz-URL in eine Textdatei.

`zsh`


% head data.csv
0
9
23
50
105
192
346
599
962
1397

Okay, read_csv ().

df = pd.read_csv('data.csv')
df.head()

*** König "Oh, was bringt es, Daten ohne Kopfzeile zu lesen?" ***

Setzen Sie in der Option read_csv () den Header = None oder setzen Sie den Spaltennamen mit names = [].

df = pd.read_csv('data.csv',names=['EXP'])
df.head()

Da der Index bei 0 beginnt, beträgt der Erfahrungswert, der erforderlich ist, um von Stufe 0 zu Stufe 1 zu gelangen, 9, wenn er unverändert bleibt. Fügen Sie also 1 zum Index hinzu.

df.index = df.index+1
df.head()

Allein damit können Sie den Erfahrungswert kennen, der zum Aufsteigen erforderlich ist. Da Sie jedoch den Erfahrungswert nicht kennen, der zum Erreichen dieses Levels erforderlich ist, berechnen Sie auch die kumulative Summe (kumulative Summe).

df['CUMSUM_EXP'] = df['EXP'].cumsum()
df.head()

Stellen Sie den Erfahrungswert grafisch dar, der für das nächste Level erforderlich ist

plt.plot(df.index,df['EXP'])
plt.xlabel('LEVEL')
plt.ylabel('EXP')
plt.grid(True)

Ab Stufe 50 habe ich das Gefühl, dass das Modell offensichtlich anders ist ...

Ein gestricheltes Diagramm des insgesamt erforderlichen Erfahrungswerts

plt.plot(df['CUMSUM_EXP'],'x')
plt.xlabel('LEVEL')
plt.ylabel('EXP')
plt.grid(True)

Ich denke, dass dies ein wunderschöner Graph von Exponentialfunktionen ist.

Überprüfen Sie die zusammenfassenden Statistiken

Lassen Sie uns die zusammenfassende Statistik (beschreibender Statistikwert) mit description () von Pandas überprüfen.

pd.options.display.float_format = '{:.2f}'.format
df.describe()

Ich werde sofort eine horizontale Linie von Brüchen in die obige Grafik einfügen. Wenden Sie den Anteil der kumulierten Erfahrung auf das für die nächste Stufe erforderliche Erfahrungsdiagramm an. (Hier stimmt etwas nicht, aber ich denke, es ist daher richtig.)

plt.plot(df['EXP'],label = 'EXP')
plt.axhline(df['CUMSUM_EXP'].quantile(0.25), ls = "-.", color = "magenta",label="25%")
plt.axhline(df['CUMSUM_EXP'].quantile(0.50), ls = "-.", color = "green",label="50%")
plt.axhline(df['CUMSUM_EXP'].quantile(0.75), ls = "-.", color = "Orange",label="75%")

plt.xlabel('LEVEL')
plt.ylabel('EXP')
plt.legend()
plt.grid(True)

Hmm? Da sich die 75% -Linie an einer solchen Stelle befindet, werde ich die Ebenen 50 bis 55 extrahieren und grafisch darstellen.

plt.plot(df['EXP'][49:55],label = 'EXP')
plt.axhline(df['CUMSUM_EXP'].quantile(0.75), ls = "-.", color = "Orange",label="75%")


plt.xlabel('LEVEL')
plt.ylabel('EXP')
plt.legend()
plt.grid(True)

25% des Erfahrungswerts, der erforderlich ist, um Stufe 55 zu erreichen, entspricht fast dem Erfahrungswert von Stufe 54 bis 55 ... Dies ist eine traurige Nachricht, da die neulich freigegebenen Führungspositionen nur dann über dauerhafte Fähigkeiten verfügen, wenn sie Stufe 55 erreichen.

Fortsetzung folgt

Referenz-URL

Drakue Walk Strategie Wiki https://gamerch.com/dq-walk/entry/102321

[PYTHON] Finden Sie ein mathematisches Modell der Erfahrungswerte, die erforderlich sind, um den DQ-Spaziergang zu verbessern (1).