[Data Mining] 💹 LCK

📘 주제 선정

최근 데이터마이닝 관련 수업을 하다가 조사할 데이터셋과 여러가지 알고리즘에 대해 공부하다가 Kaggle에서 어떤 주제에 대해서 조사를 할까 고민을 했다.
그때 잘 알고있는 주제로 해야지 흥미도 생기고, 열심히 할 것만 같아서 찾아보던 도중, LCK의 시즌별 선수들의 성적과 다른 요소들에 대한 데이터셋을 발견하였다.
그래서 과연 LCK 선수들의 성적과 다른 요소들의 상관관계가 연관이 있을지 궁금해져서, 그에 대해 알아보기로 하였다.

📌 사용할 데이터셋

• 주제: LCK에서의 선수 승률과 다른 데이터들과의 상관관계
• 데이터셋: https://www.kaggle.com/datasets/jackhan9811/lckdataset

• MetaData: 약 26개의 메타데이터

📖 전처리

일단 처음으로 데이터를 파이썬의 pandas를 이용하여 열어보았다.
그러자 다음과 같이 ? 와 같은 이상치 나 - 와 같은 결측치 가 존재하는 것을 알 수 있었다.

이를 고치기 위하여 바로 pandas로 열어보는 것이 아닌, csv를 이용하여 replace를 이용한 전처리를 해주었다.

import csv
import pandas as pd
from sklearn.cluster import KMeans
import numpy as np
import seaborn as sb
import matplotlib.pyplot as plt

f = open("LCK/2016_LCK_SPRING.csv")
data = csv.reader(f)

header = []
data2 = []

for row in range(1):
    header.append(next(data))

for row in data:
    row[0] = row[0].replace("?","")
    for i in range(2, 16):
        row[i] = row[i].replace("-","0")
        row[i] = float(row[i])
    for i in range(16, 26):
        row[i] = row[i].replace("?","")
        row[i] = row[i].replace("-","0")
        row[i] = float(row[i])
    data2.append(row)

df = pd.DataFrame(data2)

df.columns = header

df_f = pd.DataFrame(df.iloc[:,5:8])
# df.iloc[:,5]
# df.iloc[:,6]
df_f

📖 데이터 추출하기

데이터셋에서 모든 데이터를 사용하는 것이 아니라, 가장 연관되어 있어 보이는 데이터인 KDA, Avg Kills, Avg Death, Win Rate 를 사용하여 비교하기로 하였다.
그래서 다음과 같은 결과가 나왔다.

import csv
import pandas as pd
from sklearn.cluster import KMeans
import numpy as np
import seaborn as sb
import matplotlib.pyplot as plt

f = open("LCK/2016_LCK_SPRING.csv")
data = csv.reader(f)

header = []
data2 = []

for row in range(1):
    header.append(next(data))

for row in data:
    row[0] = row[0].replace("?","")
    for i in range(2, 16):
        row[i] = row[i].replace("-","0")
        row[i] = float(row[i])
    for i in range(16, 26):
        row[i] = row[i].replace("?","")
        row[i] = row[i].replace("-","0")
        row[i] = float(row[i])
    data2.append(row)

df = pd.DataFrame(data2)

df.columns = header

df_f = pd.DataFrame(df.iloc[:,5:8])
# df.iloc[:,5]
# df.iloc[:,6]
df_f

📖 데이터 시각화

matplotlib 패키지에 있는 pyplot 을 사용하여 다음과 같이 시각화하였다.

plt.scatter(X[:,0],X[:,1],c='black',label='KDA/Win Rate')
plt.xlabel('KDA')
plt.ylabel('Win Rate')
plt.title('KDA/Win Rate')
plt.show()

위와 같은 데이터 시각결과물이 나왔다.
KDA 같은 경우에는 KDA와 Avg Kills 가 높을수록 Win Rate가 높게 나왔고, Avg Deaths 가 낮을수록 Win Rate가 높게 나왔다.

근데 여기서 한가지 의문점이 생겼는데, 1번 그림같은 경우 왜 가장 오른쪽에 있는 값이 파란색일까 라는 생가이였다.
K-means란 중심점으로부터의 거리에 따라서 군집을 나누는 방법인데 더 가까운 중심점이 있음에도 불구하고, 다른 색상이 되는 것이였다.

---

개인 공부 기록용 블로그입니다.
틀리거나 오류가 있을 경우 제보해주시면 감사하겠습니다.😁