#导入相应的第三那方库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl
import pickle
import seaborn as sns
import re
from wordcloud import *
%matplotlib inline
mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False
#读取数据
data = pd.read_csv('D:\Dataanalysis\data.csv')
#查看前5行
data.head()
共有828934条数据记录。
4.2 重复值处理
#以user_id为维度，删除重复数据，并统计用户总数
print('用户总数:',len(data.drop_duplicates(['user_id'])))
用户总数：828934
去重前和去重后的记录数一样，证明没有重复值。
4.3 缺失值处理
#检查是否有空值 print(data.isnull().any().any()) False检查数据是否有空值返回False,说明数据完整。 五、数据分析 5.1 用户注册分析
from pandas import to_datetime
from datetime import datetime
reg_user = data[['user_id','register_time']]
reg_user.head()
#将注册时间转化为日期格式
reg_user['register_time'] = to_datetime(reg_user.register_time,format='%Y/%m/%d')
reg_user['register_time']=reg_user.register_time.apply(lambda x: datetime.strftime(x,"%Y-%m-%d"))
#计算每天的注册人数
reg_user = reg_user.groupby(['register_time']).user_id.count()
#可视化
fig = plt.figure(figsize=(10, 8))
plt.plot(reg_user)
plt.xticks(rotation=90)
plt.title('用户注册分布图')
plt.show()
通过可视化分析可知，在3月9日到3月11日期间注册人数达到高峰，推测这期间广告的推广促销力度比其它时段更大。
5.2 用户付费情况分析
5.2.1 付费率：
付费率 = 付费用户/活跃用户
活跃用户：每日平均游戏时长大于30分钟
#活跃用户
act_user = data[data['avg_online_minutes']>=30]
#付费用户
pay_user = data[data['pay_price']>0]
#付费率
pay_user_rate = pay_user['user_id'].count()/act_user['user_id'].count()
print('付费率: %.2f' %(pay_user_rate))
付费率: 0.31
5.2.2 ARPU（平均每用户收入）
ARPU = 玩家总付费金额 / 总活跃人数
#玩家总付费金额
pay_sum = data['pay_price'].sum()
#ARPU
ARPU = pay_sum / act_user['user_id'].count()
print('ARPU: %.2f' %(ARPU))
ARPU: 8.86
5.2.3 ARPPU（平均每付费用户收入）
ARPPU = 玩家总付费金额 / 总付费人数#ARPPU
ARPPU = pay_sum / pay_user['user_id'].count()
print('ARPPU: %.2f' %(ARPPU))
ARPPU: 28.49
手游市场的平均ARPU在5元左右，该手游的ARPU为8.86元，高于平均水平，付费率达到了31%，ARPPU为28.49，可以看出该手游的玩家很愿意在游戏中充值，后续需要进一步评估付费用户的价值，针对性的制定运营策略。
5.2.4 各个等级玩家的付费情况#根据要塞等级进行分类
user_grade = data.groupby(['bd_stronghold_level']).user_id.count()
user_grade = data[['user_id','bd_stronghold_level','pay_count','pay_price']]
#通过数据透视表汇总各等级人数分布，总付费次数，总菲菲金额
table = pd.pivot_table(user_grade,index=['bd_stronghold_level'],values=['user_id','pay_count','pay_price'],aggfunc={'user_id': 'count','pay_count': 'sum','pay_price': 'sum'})
user_pay = pd.DataFrame(table.to_records())
#计算各等级付费人数
user_count = user_grade[user_grade['pay_price']>0].groupby('bd_stronghold_level').user_id.count()
user_pay['user_count'] = user_count
user_pay.head()
#计算等级付费转化率，等级人均付费次数，等级人均付费金额
user_pay['pay_rate'] = user_pay.user_count / user_pay.user_id
user_pay['user_avgcount'] = user_pay.pay_count / user_pay.user_count
user_pay['user_avgmoney'] = user_pay.pay_price / user_pay.user_count
#修改列名
user_pay.columns = ['要塞等级','付费次数','付费总额','玩家人数','付费人数','付费转化率','人均付费次数','人均付费总额']
#调整列名
user_pay = user_pay[['要塞等级','付费次数','付费总额','玩家人数','付费人数','付费转化率','人均付费次数','人均付费总额']]
user_pay
可视化
- 要塞等级和付费转化率的关系
x = user_pay['要塞等级']
y = user_pay['付费转化率']
fig = plt.figure(figsize=(10,8))
plt.plot(x,y,ls='-',lw=2)
plt.xticks(x,range(0,len(x),1))
plt.grid(True)
plt.title('要塞等级和付费转化率的关系')
plt.show()
- 要塞等级和人均付费金额的关系
x = user_pay['要塞等级']
y = user_pay['人均付费总额']
fig = plt.figure(figsize=(10,8))
plt.plot(x,y,ls='-',lw=2)
plt.xticks(x,range(0,len(x),1))
plt.grid(True)
plt.title('要塞等级与人均付费金额的关系')
plt.show()
- 要塞等级和人均付费次数的关系
x = user_pay['要塞等级']
y = user_pay['人均付费次数']
fig = plt.figure(figsize=(10,8))
plt.plot(x,y,ls='-',lw=2)
plt.xticks(x,range(0,len(x),1))
plt.grid(True)
plt.title('要塞等级与人均付费次数的关系')
plt.show()
- 处于各个要塞等级的玩家人数
x = user_pay['要塞等级']
y = user_pay['玩家人数']
fig = plt.figure(figsize=(10,8))
plt.bar(x,y)
plt.xticks(x,range(0,len(x),1))
plt.title('各个要塞等级的玩家人数')
plt.show()
通过观察付费转化率和要塞等级的关系可以发现，9级时付费转化率为26%，10级时的付费转化率已经接近60%，且在14级之后的玩家， 付费转化率达100%。观察人均消费总额和人均消费次数可以发现，10级之后，两项指标也同时呈现显著的增长。
然而观察要塞等级达到人数的柱形图可以发现，大量的用户集中在10以下，因此游戏的运营方向应该是如何是用户平滑的达到10级，可以进一步通过 一系列数据或者通过游戏内发放问卷调查的方式，了解用户在10级以下时遇到的困难和问题，进一步优化游戏内容，增强引导用户提升要塞等级。
可以通过人均消费总额看出，在18级以后人均消费额的曲线出现了陡增，该阶段的用户应该已经了解了游戏的核心玩法，因此可以对该部分用户加强消费引导， 提升游戏的收入
5.3 用户的资源使用情况分析
该游戏充值主要获得以下几种物品：资源类（木头、石头、象牙、肉、魔法等），加速券类（通用加速、建筑加速、科研加速、训练加速、治疗加速等）。
根据玩家充值金额大小， 将10级以上玩家分为高氪玩家（充值金额高于500元）和低氪玩家（充值金额低于500元大于0元），分别统计两种玩家的各类资源使用情况，最后绘图
#对10级以上的玩家进行分类 sup_user = data[(data['pay_price']>=500)&(data['bd_stronghold_level']>=10)] sub_user = data[(data['pay_price']<500)&(data['bd_stronghold_level']<10)]5.3.1 玩家各类资源使用情况
#制作资源相关数据集
wood_avg = [sup_user['wood_reduce_value'].mean(),sub_user['wood_reduce_value'].mean()]
stone_avg = [sup_user['stone_reduce_value'].mean(),sub_user['stone_reduce_value'].mean()]
ivory_avg = [sup_user['ivory_reduce_value'].mean(),sub_user['ivory_reduce_value'].mean()]
meat_avg = [sup_user['meat_reduce_value'].mean(),sub_user['meat_reduce_value'].mean()]
magic_avg = [sup_user['magic_reduce_value'].mean(),sub_user['magic_reduce_value'].mean()]
df = {'高氪玩家': [wood_avg[0],stone_avg[0],ivory_avg[0],meat_avg[0],magic_avg[0]],
'低氪玩家': [wood_avg[1],stone_avg[1],ivory_avg[1],meat_avg[1],magic_avg[1]]}
resource = pd.DataFrame(df,index =['木头','石头','象牙','肉','魔法']).round(2)
#可视化
resource.plot(kind='bar',figsize=(10,8),legend=True,logy=True)
x = np.arange(len(resource.index))
y1 = np.array(list(resource['高氪玩家']))
y2 = np.array(list(resource['低氪玩家']))
for a,b in zip(x,y1):
plt.text(a,b,b,ha='right',va='bottom')
for a,b in zip(x,y2):
plt.text(a,b,b,ha='left',va='bottom')
plt.title('玩家资源使用量',fontsize=20)
plt.xlabel('资源种类',fontsize=18)
plt.ylabel('资源使用量',fontsize=18)
plt.tick_params(labelsize=14)
plt.show()
高消费玩家和低消费对木头、石头、肉的消耗都较大，魔法的消耗都较小，而在象牙的消耗上，高消费玩家和低消费玩家的消耗差距较大。因为象牙资源在游戏中的用途相对高端一些，而木头和肉类是游戏发展过程中必需的资源。因此高氪玩家在资源上的平均使用量要远远高于低氪玩家，象牙资源最能够体现出一个玩家在游戏上的消费水平。
5.3.2 玩家加速券使用情况
#制作加速券相关数据集
general_avg = [sup_user['general_acceleration_reduce_value'].mean(),sub_user['general_acceleration_reduce_value'].mean()]
building_avg = [sup_user['building_acceleration_reduce_value'].mean(),sub_user['building_acceleration_reduce_value'].mean()]
reaserch_avg = [sup_user['reaserch_acceleration_reduce_value'].mean(),sub_user['reaserch_acceleration_reduce_value'].mean()]
training_avg = [sup_user['training_acceleration_reduce_value'].mean(),sub_user['training_acceleration_reduce_value'].mean()]
treament_avg = [sup_user['treatment_acceleration_reduce_value'].mean(),sub_user['treatment_acceleration_reduce_value'].mean()]
df = {'高氪玩家': [general_avg[0],building_avg[0],reaserch_avg[0],training_avg[0],treament_avg[0]],
'低氪玩家': [general_avg[1],building_avg[1],reaserch_avg[1],training_avg[1],treament_avg[1]]}
acceleration = pd.DataFrame(df, index=['通用','建筑','科研','训练','治疗']).round(2)
#可视化
acceleration.plot(kind = 'bar', figsize=(10,8),logy=True,legend=True)
x = np.arange(len(acceleration.index))
a = np.array(list(acceleration['高氪玩家']))
b = np.array(list(acceleration['低氪玩家']))
for m,n in zip(x,a):
plt.text(m,n,n,ha='right',va='bottom')
for m,n in zip(x,b):
plt.text(m,n,n,ha='left',va='bottom')
plt.title('玩家加速券使用情况',fontsize=20)
plt.xlabel('加速券类型',fontsize=18)
plt.ylabel('加速券使用量',fontsize=18)
plt.tick_params(labelsize=14)
plt.show
两类玩家对对治疗加速券消耗都很小，对通用加速券的消耗差异较大，其他三种加速券消耗差别不大。通过体验游戏了解到加速券的使用，直接影响游戏进程的加快，因此高氪玩家更希望通过加快游戏进程增加游戏体验。
5.3.3 玩家游戏玩法分析
- 玩家在线时长
#平均在线时长数据
avg_online_time = [sup_user['avg_online_minutes'].mean(),sub_user['avg_online_minutes'].mean()]
df = {'高氪玩家': [avg_online_time[0]],
'低氪玩家': [avg_online_time[1]]}
online_time = pd.DataFrame(df,index=['平均在线时长']).round(2)
#可视化
online_time.plot(kind='bar',legend=True,figsize=(10,8))
x = np.arange(len(online_time.index))
a = np.array(list(online_time['高氪玩家']))
b = np.array(list(online_time['低氪玩家']))
for m,n in zip(x,a):
plt.text(m,n,n,ha='right',va='bottom',fontsize=12)
for m,n in zip(x,b):
plt.text(m,n,n,ha='left',va='bottom',fontsize=12)
plt.xticks(rotation=0)
plt.tick_params(labelsize=14)
plt.title('玩家平均在线时长',fontsize=20)
plt.show()
- 玩家pvp情况
#pvp相关数据
pvp_battle_avg = [sup_user['pvp_battle_count'].mean(), sub_user['pvp_battle_count'].mean()]
pvp_lanch_avg = [sup_user['pvp_lanch_count'].mean(), sub_user['pvp_lanch_count'].mean()]
pvp_win_avg = [sup_user['pvp_win_count'].mean(), sub_user['pvp_win_count'].mean()]
data = {'高氪玩家':[pvp_battle_avg[0], pvp_lanch_avg[0], pvp_win_avg[0]],
'低氪玩家':[pvp_battle_avg[1], pvp_lanch_avg[1], pvp_win_avg[1]]}
PVP = pd.DataFrame(data, index = ['PVP次数', '主动发起PVP次数', 'PVP胜利次数']).round(2)
#可视化
PVP.plot(kind='bar',legend=True,figsize=(10,8))
plt.title('玩家pvp对局情况',fontsize=20)
plt.tick_params(rotation=0,labelsize=14)
plt.show()
- 玩家pve情况
#玩家pve对局数据
pve_battle_count = [sup_user['pve_battle_count'].mean(),sub_user['pve_battle_count'].mean()]
pve_lanch_count = [sup_user['pve_lanch_count'].mean(),sub_user['pve_lanch_count'].mean()]
pve_win_count = [sup_user['pve_win_count'].mean(),sub_user['pve_win_count'].mean()]
df = {'高氪玩家': [pve_battle_count[0],pve_lanch_count[0],pve_win_count[0]],
'低氪玩家': [pve_battle_count[1],pve_lanch_count[1],pve_win_count[1]]}
PVE = pd.DataFrame(df,index=['PVE次数','主动发起PVE次数','PVE胜利次数']).round(2)
#可视化
PVE.plot(kind='bar',legend=True,figsize=(10,8))
plt.title('玩家pve对局情况',fontsize=20)
plt.tick_params(rotation=0,labelsize=14)
plt.show()
可以看到高氪玩家的平均在线时长时低氪玩家的50倍左右，而高氪玩家的PVP的三项指标数值都在低氪玩家三项指标数值的100倍左右；pve的数值高氪玩家是低氪玩家的30倍左右。
总的来说高消费玩家更愿意投入时间在这款游戏上，它们热衷于pvp玩法，在pve的局数上也多于低消费玩家，因此游戏可以投入较多的精力在pvp的玩法改进上，吸引玩家更多的参与到pvp上，刺激玩家的消费，增加游戏的收入。
六、分析总结
1.该游戏具有较大的用户基数，且新用户注册受游戏活动、游戏推广力度等因素影响较大。
2.该游戏的ARPU为8.86，说明该游戏的盈利能力较高。
3.对于游戏付费情况，两极分化情况十分严重，绝大多数玩家处于10级以内，且付费情况较差，而少数玩家在10级以上，且付费能力强(13级的用户付费转化率接近100%).因此对于如何让大多数玩家平滑过渡到10级，非常的重要。
4.消费习惯上，高消费玩家对象牙和通用加速券的需求远多于一般玩家。
5.在玩家行为上，高消费玩家投入游戏时间更多，它们更热衷于pvp玩法。