3. 리그오브레전드 모스트 챔피언 및 최근 100경기 분석
크롤링을 통해 사용자의 LOL플레이 데이터가 있는 OP.GG에서 사용자의 게임플레이 데이터를 가져와 아이디를 입력하면 모스트 챔피언과 최근 100경기의 경향을 분석해주는 프로그램을 만든다.
LOL 플레이어의 실력 분석
BeautifulSoup와 urllib, selenium을 사용하여 플레이어의 데이터가 있는 op.gg에서 데이터를 가져와 LOL플레이어의 최근 100경기의 데이터 분석한다.
사용방법
- 코드를 실행하고 아래에 “소환사명을 입력해주세요.: “가 나오면 소환사명을 입력해 주세요.(ex. 황토매트)
username = input("소환사명을 입력해주세요.: ")
소환사명을 입력해주세요.: 황토매트
from urllib.request import urlopen
from bs4 import BeautifulSoup
import pandas as pd
from tqdm import tqdm_notebook
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
from matplotlib import font_manager, rc
path = "c:/Windows/Fonts/malgun.ttf"
font_name = font_manager.FontProperties(fname=path).get_name()
rc('font', family=font_name)
import seaborn as sns
from selenium import webdriver
import urllib.request
import urllib.parse
import time
url1 = "http://www.op.gg/summoner/userName=" #한글을 제외한 주소를 url1에 저장
#parse모듈을 사용해 한글부분을 유니코드로 치환
url2 = urllib.parse.quote_plus(str(username))
url = url1 + url2
driver = webdriver.Chrome('chromedriver.exe')
driver.get(url)
op.gg에 서머너 이름 검색 후 최근전적부터 100번의 게임정보 가져오기
xpath = """//*[@id="SummonerRefreshButton"]"""
driver.find_element_by_xpath(xpath).click() # 최근전적으로 갱신하기
time.sleep(10)
while True:
try:
xpath = """//*[@id="SummonerLayoutContent"]/div[2]/div[2]/div/div[2]/div[4]/a"""
driver.find_element_by_xpath(xpath).click() # 전적 추가로 보기 버튼 누르기
break
except:
continue
while True:
try:
xpath = """//*[@id="SummonerLayoutContent"]/div[2]/div[2]/div/div[2]/div[5]/a"""
driver.find_element_by_xpath(xpath).click() # 전적 추가로 보기 버튼 누르기
break
except:
continue
while True:
try:
xpath = """//*[@id="SummonerLayoutContent"]/div[2]/div[2]/div/div[2]/div[6]/a"""
driver.find_element_by_xpath(xpath).click() # 전적 추가로 보기 버튼 누르기
break
except:
continue
while True:
try:
xpath = """//*[@id="SummonerLayoutContent"]/div[2]/div[2]/div/div[2]/div[7]/a"""
driver.find_element_by_xpath(xpath).click() # 전적 추가로 보기 버튼 누르기
break
except:
continue
time.sleep(5)
html 모두 긁어오기
page = driver.page_source
soup = BeautifulSoup(page, "html.parser")
# print(soup.prettify()) 를 통해 확인할 수 있다
랭크게임 티어와 랭킹알아보기
import re #정규식
from IPython.display import Image
from IPython.core.display import HTML #이미지 출력
TierImage = soup.find('div','Medal').find('img','Image')
TierImage = TierImage['src']
TierImage = "https:" + TierImage
soup.find('div','Medal') #티어 이미지
try:
soup.find('div','LadderRank') #래더 랭크
LadderRank = soup.find('div','LadderRank').get_text()
LadderRank = re.split(('\n|\t'), LadderRank)
LadderRank = "".join(LadderRank)
except:
LadderRank = '랭크기록이 없습니다.'
soup.find('div','SummonerRatingMedium') #랭크게임 정보
SummonerRatingMedium = soup.find('div','SummonerRatingMedium').get_text()
SummonerRatingMedium = re.split(('\n|\t'), SummonerRatingMedium)
SummonerRatingMedium = " ".join(SummonerRatingMedium)
SummonerRatinglist = SummonerRatingMedium.strip().split('/')
print("===>> 소환사명 : ", username)
print("===>>", LadderRank)
print("===>>", SummonerRatinglist[0])
print("===>>", SummonerRatinglist[1].strip())
Image(url= TierImage)
===>> 소환사명 : 황토매트
===>> 래더 랭킹 1,738,557위 (상위 58%)
===>> 솔로랭크 Silver 3 8 LP
===>> 146승 164패 승률 47% 직스의 칼날단
모스트 챔피언 분석하기
soup.find('div','MostChampionContent')
Champ = [] ; CS = [] ; KDARatio = [] ; tmp = [] ; K = [] ; D = [] ; A = [] ; WinRatio = [] ; PlayedGames = []
span = ['Kill','Death','Assist','KDA']
dict_tmp = {'ChampionName':Champ,'ChampionMinionKill':CS,'KDA':KDARatio,'Kill':K,'Death':D,'Assist':A,
'WinRatio':WinRatio,'Title':PlayedGames}
for x,y in dict_tmp.items():
if x in span:
tmp = soup.find('div','MostChampionContent').find_all('span',x)
else:
tmp = soup.find('div','MostChampionContent').find_all('div',x)
for i in tmp:
tmp = re.split(('\n|\t'),i.get_text())
tmp = [n for n in tmp if n][0]
y.append(tmp)
y
MostChampionContent_df = {'Champ':Champ, 'CS':CS, 'KDARatio':KDARatio, 'K':K,'D':D,'A':A
, 'WinRatio':WinRatio, 'PlayedGames':PlayedGames}
MCC_df = pd.DataFrame(MostChampionContent_df)
MCC_df.set_index('Champ',inplace=True)
print('가장 많이 플레이한 챔피언')
MCC_df
가장 많이 플레이한 챔피언
| CS | KDARatio | K | D | A | WinRatio | PlayedGames | |
|---|---|---|---|---|---|---|---|
| Champ | |||||||
| 세트 | CS 138.0 (5.2) | 2.41:1 | 4.0 | 4.1 | 5.8 | 58% | 48 게임 |
| 바이 | CS 124.3 (4.8) | 2.30:1 | 5.2 | 5.1 | 6.5 | 50% | 38 게임 |
| 미스 포츈 | CS 210.9 (8.2) | 3.89:1 | 8.4 | 3.9 | 6.8 | 78% | 23 게임 |
| 직스 | CS 164.9 (5.7) | 2.41:1 | 3.5 | 4.6 | 7.6 | 38% | 21 게임 |
| 진 | CS 213.2 (7.3) | 3.96:1 | 6.3 | 3.9 | 9.3 | 53% | 17 게임 |
| 레오나 | CS 34.8 (1.3) | 3.91:1 | 2.4 | 3.3 | 10.6 | 75% | 16 게임 |
| 아트록스 | CS 147.3 (4.8) | 1.48:1 | 3.5 | 6.3 | 5.8 | 43% | 14 게임 |
KDARatio_fl = [] ; WinRatio_fl = [] ; PlayedGames_fl = []
for i in KDARatio:
tmp = re.split((':1|%'),i)
tmp = [n for n in tmp if n][0]
KDARatio_fl.append(tmp)
for i in WinRatio:
tmp = re.split((':1|%'),i)
tmp = [n for n in tmp if n][0]
WinRatio_fl.append(tmp)
for i in PlayedGames:
tmp = re.split((' 게임'),i)
tmp = [n for n in tmp if n][0]
PlayedGames_fl.append(tmp)
CS_new = []
n = 0
while n < len(list(MCC_df.index)):
sw = 0
k = ''
tmp = MCC_df['CS'][n]
for i in tmp:
if i == '(':
sw = 1
if sw == 1:
k += i
CS_new.append(k.strip('(|)'))
n += 1
ForGragh = {'Champ':Champ,'CS':CS_new,'KDARatio':KDARatio_fl, 'WinRatio':WinRatio_fl, 'PlayedGames':PlayedGames_fl}
ForGragh = pd.DataFrame(ForGragh)
ForGragh['KDARatio'] = ForGragh['KDARatio'].astype(float)
ForGragh['WinRatio'] = ForGragh['WinRatio'].astype(float)
ForGragh['PlayedGames'] = ForGragh['PlayedGames'].astype(float)
ForGragh['CS'] = ForGragh['CS'].astype(float)
ForGragh = ForGragh.set_index('Champ').sort_values(by=['PlayedGames'], axis=0, ascending=False)
plt.figure()
plt.subplot(311)
ForGragh['KDARatio'].plot(kind='barh', grid=True, figsize=(15,15))
plt.xlabel('KDARatio')
plt.subplot(312)
ForGragh['WinRatio'].plot(kind='barh', grid=True, figsize=(15,15))
plt.xlabel('WinRatio')
plt.subplot(313)
ForGragh['CS'].plot(kind='barh', grid=True, figsize=(15,15))
plt.xlabel('CS')
plt.show()
최근 100경기 분석하기
soup.find('div','GameItemList').find_all('div','GameItemWrap')
Champ = [] ; GameType = [] ; CS = [] ; KDARatio_ = [] ; tmp = [] ; K = [] ; D = [] ; A = []
CKRate_ = [] ; GameResult = []
span = ['Kill','Death','Assist','KDARatio','CS','Wards']
dict_tmp = {'ChampionName':Champ,'GameType':GameType,'CS':CS,'KDARatio':KDARatio_,'Kill':K,'Death':D,'Assist':A,
'CKRate' : CKRate_,'GameResult':GameResult}
for x,y in dict_tmp.items():
if x in span:
tmp = soup.find('div','RealContent').find_all('span',x)
else:
tmp = soup.find('div','RealContent').find_all('div',x)
for i in tmp:
tmp = re.split(('\n|\t'),i.get_text())
tmp = [n for n in tmp if n][0]
y.append(tmp)
tmp = []
for i in K:
if i < '9999999':
tmp.append(i)
K = tmp
KDARatio_ = KDARatio_[1:]
K = K[1:]
D = D[1:]
A = A[1:]
Recent_Games = {'ChampionName':Champ,'GameType':GameType,'CS':CS,'KDARatio':KDARatio_,'K':K,
'D':D,'A':A, 'CKRate' : CKRate_,'GameResult':GameResult}
Recent_Games = pd.DataFrame(Recent_Games)
Recent_Games.set_index('ChampionName',inplace=True)
# 분석하기 쉽게 전처리
CS_min = []
n = 0
while n < len(list(Recent_Games.index)):
sw = 0
k = ''
tmp = CS[n]
for i in tmp:
if i == '(':
sw = 1
if sw == 1:
k += i
CS_min.append(k.strip('(|)'))
n += 1
KDARatio = []
for i in KDARatio_:
tmp = re.split((':1'),i)
KDARatio.append(tmp[0])
CKRate = []
for i in CKRate_:
tmp = re.split(('%|킬관여 '),i)
CKRate.append(tmp[1])
Recent_Games2 = {'ChampionName':Champ,'GameType':GameType,'CS_min':CS_min,'KDARatio':KDARatio,'K':K,
'D':D,'A':A, 'CKRate' : CKRate,'GameResult':GameResult}
Recent_Games2 = pd.DataFrame(Recent_Games2)
Recent_Games2.set_index('ChampionName',inplace=True)
Recent_Games2['CS_min'] =Recent_Games2['CS_min'].astype(float)
Recent_Games2['CKRate'] =Recent_Games2['CKRate'].astype(float)
Recent_Games2['K'] =Recent_Games2['K'].astype(float)
Recent_Games2['D'] =Recent_Games2['D'].astype(float)
Recent_Games2['A'] =Recent_Games2['A'].astype(float)
print('최근 100경기')
Recent_Games2.head()
최근 100경기
| GameType | CS_min | KDARatio | K | D | A | CKRate | GameResult | |
|---|---|---|---|---|---|---|---|---|
| ChampionName | ||||||||
| 아트록스 | 솔랭 | 3.3 | 2.00 | 7.0 | 5.0 | 3.0 | 42.0 | 패배 |
| 바이 | 솔랭 | 3.9 | 1.60 | 3.0 | 10.0 | 13.0 | 59.0 | 패배 |
| 진 | 솔랭 | 7.4 | 7.67 | 12.0 | 3.0 | 11.0 | 49.0 | 승리 |
| 아트록스 | 솔랭 | 5.1 | 2.20 | 3.0 | 5.0 | 8.0 | 31.0 | 승리 |
| 아트록스 | 솔랭 | 4.9 | 0.43 | 3.0 | 7.0 | 0.0 | 50.0 | 패배 |
100경기 평균 기록
Total_vic = list(Recent_Games2['GameResult']).count('승리')
Total_def = list(Recent_Games2['GameResult']).count('패배')
Total_wr = Total_vic/(Total_vic+Total_def)*100
Total_wr = round(Total_wr,2)
Total_KDA = round((Recent_Games2['K'].sum()+Recent_Games2['A'].sum())/Recent_Games2['D'].sum(),2)
Total_cs = round(Recent_Games2['CS_min'].mean(),2)
Total_CKRate = round(Recent_Games2['CKRate'].mean(),2)
print("===>> 최근 100경기 승률 : {}%\n===>> 평점 : {}점\n===>> 평균 분당cs : {}개\n===>> 평균 킬관여율 : {}%"
.format(Total_wr,Total_KDA,Total_cs,Total_CKRate))
===>> 최근 100경기 승률 : 41.41%
===>> 평점 : 2.03점
===>> 평균 분당cs : 4.06개
===>> 평균 킬관여율 : 44.85%
챔피언별 기록
grouped = Recent_Games2[['CS_min','K','D','A','CKRate']].groupby(level = 0)
Recent_Games3 = grouped.mean()
Recent_Games3['KDA'] = (Recent_Games3['K']+Recent_Games3['A'])/Recent_Games3['D']
Recent_Games3 = Recent_Games3.applymap(lambda x : round(x,2))
Recent_Games3['PlayedGames'] = grouped.count()['CS_min']
# GameResult 와 index를 key로 만든후 카운트 한다.
grouped2 = Recent_Games2[['K']].groupby([Recent_Games2.index,Recent_Games2['GameResult']])
grouped3 = grouped2.count()
WinRatio = []
for tmp in Recent_Games3.index:
try:
grouped_vic = grouped3.loc[(tmp,'승리'), 'K']
except:
grouped_vic = 0
try:
grouped_def = grouped3.loc[(tmp,'패배'), 'K']
except:
grouped_def = 0
grouped_wr = grouped_vic/(grouped_vic+grouped_def)*100
grouped_wr = round(grouped_wr,2)
WinRatio.append(grouped_wr)
Recent_Games3['WinRatio'] = WinRatio
Recent_Games3 = Recent_Games3[Recent_Games3['PlayedGames'] >= 5].sort_values(by=['PlayedGames'], axis=0, ascending=False)
Recent_Games3
| CS_min | K | D | A | CKRate | KDA | PlayedGames | WinRatio | |
|---|---|---|---|---|---|---|---|---|
| ChampionName | ||||||||
| 바이 | 4.84 | 5.50 | 5.73 | 6.77 | 48.91 | 2.14 | 22 | 50.00 |
| 아트록스 | 4.69 | 3.33 | 5.87 | 5.40 | 37.80 | 1.49 | 15 | 42.86 |
| 블리츠크랭크 | 1.17 | 2.75 | 4.83 | 11.25 | 55.92 | 2.90 | 12 | 50.00 |
| 조이 | 4.38 | 4.00 | 7.44 | 5.00 | 39.11 | 1.21 | 9 | 11.11 |
| 세트 | 5.01 | 5.88 | 5.25 | 8.00 | 39.50 | 2.64 | 8 | 50.00 |
| 노틸러스 | 1.33 | 2.50 | 5.50 | 9.17 | 48.33 | 2.12 | 6 | 33.33 |
| 미스 포츈 | 7.78 | 6.40 | 5.40 | 8.00 | 51.20 | 2.67 | 5 | 60.00 |
plt.figure()
plt.subplot(311)
Recent_Games3['PlayedGames'].plot(kind='barh', grid=True, figsize=(15,20))
plt.ylabel('PlayedGames')
plt.subplot(323)
Recent_Games3['WinRatio'].plot(kind='barh', grid=True, figsize=(15,20))
plt.ylabel('WinRatio')
plt.subplot(324)
Recent_Games3['KDA'].plot(kind='barh', grid=True, figsize=(15,20))
plt.ylabel('KDA')
plt.subplot(325)
Recent_Games3['CKRate'].plot(kind='barh', grid=True, figsize=(15,20))
plt.ylabel('킬관여율')
plt.subplot(326)
Recent_Games3['CS_min'].plot(kind='barh', grid=True, figsize=(15,20))
plt.ylabel('CS_min')
plt.show()
분석 결과
모스트챔피언 분석
from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"
print("===>> 소환사명 : ", username)
Image(url= TierImage)
print("===>>", LadderRank)
print("===>>", SummonerRatinglist[0])
print("===>>", SummonerRatinglist[1].strip())
print('가장 많이 플레이한 챔피언')
MCC_df
===>> 소환사명 : 황토매트
===>> 래더 랭킹 1,738,557위 (상위 58%)
===>> 솔로랭크 Silver 3 8 LP
===>> 146승 164패 승률 47% 직스의 칼날단
가장 많이 플레이한 챔피언
| CS | KDARatio | K | D | A | WinRatio | PlayedGames | |
|---|---|---|---|---|---|---|---|
| Champ | |||||||
| 세트 | CS 138.0 (5.2) | 2.41:1 | 4.0 | 4.1 | 5.8 | 58% | 48 게임 |
| 바이 | CS 124.3 (4.8) | 2.30:1 | 5.2 | 5.1 | 6.5 | 50% | 38 게임 |
| 미스 포츈 | CS 210.9 (8.2) | 3.89:1 | 8.4 | 3.9 | 6.8 | 78% | 23 게임 |
| 직스 | CS 164.9 (5.7) | 2.41:1 | 3.5 | 4.6 | 7.6 | 38% | 21 게임 |
| 진 | CS 213.2 (7.3) | 3.96:1 | 6.3 | 3.9 | 9.3 | 53% | 17 게임 |
| 레오나 | CS 34.8 (1.3) | 3.91:1 | 2.4 | 3.3 | 10.6 | 75% | 16 게임 |
| 아트록스 | CS 147.3 (4.8) | 1.48:1 | 3.5 | 6.3 | 5.8 | 43% | 14 게임 |
그래프
InteractiveShell.ast_node_interactivity = "last"
plt.figure()
plt.subplot(311)
ForGragh['KDARatio'].plot(kind='barh', grid=True, figsize=(15,15))
plt.xlabel('KDARatio')
plt.subplot(312)
ForGragh['WinRatio'].plot(kind='barh', grid=True, figsize=(15,15))
plt.xlabel('WinRatio')
plt.subplot(313)
ForGragh['CS'].plot(kind='barh', grid=True, figsize=(15,15))
plt.xlabel('CS')
plt.show()
최근 100경기 분석(5판이상 플레이한 챔피언 기준)
InteractiveShell.ast_node_interactivity = "all"
print("===>> 최근 100경기 분석(5판이상 플레이한 챔피언 기준)")
Recent_Games3
print("===>> 최근 100경기 승률 : {}%\n===>> 평점 : {}점\n===>> 평균 분당cs : {}개\n===>> 평균 킬관여율 : {}%"
.format(Total_wr,Total_KDA,Total_cs,Total_CKRate))
===>> 최근 100경기 분석(5판이상 플레이한 챔피언 기준)
| CS_min | K | D | A | CKRate | KDA | PlayedGames | WinRatio | |
|---|---|---|---|---|---|---|---|---|
| ChampionName | ||||||||
| 바이 | 4.84 | 5.50 | 5.73 | 6.77 | 48.91 | 2.14 | 22 | 50.00 |
| 아트록스 | 4.69 | 3.33 | 5.87 | 5.40 | 37.80 | 1.49 | 15 | 42.86 |
| 블리츠크랭크 | 1.17 | 2.75 | 4.83 | 11.25 | 55.92 | 2.90 | 12 | 50.00 |
| 조이 | 4.38 | 4.00 | 7.44 | 5.00 | 39.11 | 1.21 | 9 | 11.11 |
| 세트 | 5.01 | 5.88 | 5.25 | 8.00 | 39.50 | 2.64 | 8 | 50.00 |
| 노틸러스 | 1.33 | 2.50 | 5.50 | 9.17 | 48.33 | 2.12 | 6 | 33.33 |
| 미스 포츈 | 7.78 | 6.40 | 5.40 | 8.00 | 51.20 | 2.67 | 5 | 60.00 |
===>> 최근 100경기 승률 : 41.41%
===>> 평점 : 2.03점
===>> 평균 분당cs : 4.06개
===>> 평균 킬관여율 : 44.85%
그래프
InteractiveShell.ast_node_interactivity = "last"
plt.figure()
plt.subplot(311)
Recent_Games3['PlayedGames'].plot(kind='barh', grid=True, figsize=(15,20))
plt.ylabel('PlayedGames')
plt.subplot(323)
Recent_Games3['WinRatio'].plot(kind='barh', grid=True, figsize=(15,20))
plt.ylabel('WinRatio')
plt.subplot(324)
Recent_Games3['KDA'].plot(kind='barh', grid=True, figsize=(15,20))
plt.ylabel('KDA')
plt.subplot(325)
Recent_Games3['CKRate'].plot(kind='barh', grid=True, figsize=(15,20))
plt.ylabel('킬관여율')
plt.subplot(326)
Recent_Games3['CS_min'].plot(kind='barh', grid=True, figsize=(15,20))
plt.ylabel('CS_min')
plt.show()
