Vue d'ensemble (TL; DR)

C'est un record quand j'ai pratiqué la bibliothèque de calcul numérique de python basée sur la valeur d'expérience nécessaire pour niveler le Drakue Walk. Dans (1), vérifiez les données, et dans (2), nous calculerons le modèle mathématique. (J'étudie actuellement, donc je serais heureux si vous pouviez signaler des erreurs.)

Lire et visualiser les données
Modéliser les données mathématiquement (analyse de régression)

Premier regard sur les données

Chargez la bibliothèque requise. Je ne l’utiliserai peut-être pas cette fois, mais je l’utiliserai la prochaine fois, alors lisez-le.

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

Transférez la valeur d'expérience requise pour chaque niveau de l'URL de référence vers un fichier texte.

`zsh`


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

D'accord, read_csv ().

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

*** King "Oh, quel est l'intérêt de lire des données sans colonne d'en-tête?" ***

Définissez l'en-tête = Aucun dans l'option read_csv () ou définissez le nom de la colonne avec names = [].

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

Puisque l'index commence à 0, la valeur d'expérience requise pour passer du niveau 0 au niveau 1 sera 9 si elle est laissée telle quelle. Ajoutez donc 1 à l'index.

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

Avec cela seul, vous pouvez connaître la valeur d'expérience requise pour passer au niveau supérieur, mais comme vous ne connaissez pas la valeur d'expérience requise pour atteindre ce niveau, calculez également la somme cumulée (somme cumulative).

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

Représentez graphiquement la valeur d'expérience requise pour le niveau supérieur

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

Vers le niveau 50, j'ai l'impression que le modèle est évidemment différent ...

Un graphique en traits pointillés de la valeur d'expérience totale requise

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

J'ai l'impression que c'est un beau graphique de fonctions exponentielles.

Vérifier les statistiques récapitulatives

Vérifions les statistiques récapitulatives (valeur des statistiques descriptives) en utilisant describe () des pandas.

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

Immédiatement, je vais mettre une ligne horizontale de fractions dans le graphique ci-dessus. Appliquez la fraction d'expérience cumulée au graphique d'expérience requise pour le niveau suivant. (Il y a quelque chose qui ne va pas ici, mais je pense que c'est correct en conséquence.)

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? Puisque la ligne de 75% se trouve à un tel endroit, je vais extraire les niveaux 50 à 55 et les représenter graphiquement.

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% de la valeur d'expérience requise pour atteindre le niveau 55 est presque égale à la valeur d'expérience du niveau 54 à 55 ... C'est une triste nouvelle car les postes supérieurs libérés l'autre jour n'auront pas de compétences permanentes à moins qu'ils n'atteignent le niveau 55.

à suivre

URL de référence

Wiki de stratégie de marche de Drakue https://gamerch.com/dq-walk/entry/102321

[PYTHON] Trouvez un modèle mathématique des valeurs d'expérience requises pour améliorer la marche DQ (1)