Python数据挖掘:决策树算法预测云顶之弈排名
前言
为什么要预测云顶排名？学习，娱乐，其他目的。
通过什么预测？通过收集到的前八回合血量数据和排名。（你也可以用你自己觉得好的数据，比如前n回合输赢等）。
预测结果怎么样？游戏没结束谁也不知道结果怎么样，预测结果仅供参考，学习函数调用才是最大的收获。
大家看了觉得还行的话点个赞。
使用到的库
pandas
打开csv，及对表格数据筛选的方法。
sklearn
主要是DecisionTreeClassifier：封装好的决策树算法
export_graphviz：决策树可视化输出；解决问题：找不到graphviz可执行程序。可视化中文乱码问题
joblib/pickle：
用来保存训练好的模型；解决问题：python版本兼容
matplotlib
基本的绘图，输出图片；解决问题：中文乱码
requests
从网页下载图片，文件等。
云服务器
由于数据是一步一步（一局）收集，我又忍不住每局都想试试，所以模型一直在变化。我不想让自己的电脑去计算这个模型，所以把数据和代码部署到云服务器，将生成的文件共享，然后通过requests在自己的机器上把模型和结果下载下来。
使用云服务器共享文件
结果展示
图1 目前收集到的数据的排名分布图
图2 某局比赛预测结果图
正文
数据说明
云顶之奕简介：自走棋，选择自己的队伍，获取装备，一共八位玩家对决，100滴血开始，0血或其他七个玩家0血结束。排名1-8
图3 基本数据展示
数据我是收集的前八回合的学了及排名数据，数据来源于直播中段位较高数据，其中type目前有
1："我唯一喜欢的主播"的认真游戏时的数据
2：该主播娱乐局的数据
3：钻石左右分段的主播记录
数据从9.15版本开始收集。
数据从玩家对战开始，记录每回合结束后的血量
回合8结束后进入第3轮选秀。
环境搭建
首先在自己电脑上跑起来：
安装python：建议安装Python3.7-64
安装编译器：建议Pycharm2018.3.8
新建一个项目，设置新环境后：File->Setting->Project:“项目名”->Project->Project Interpreter->+，修改为清华源：https://pypi.tuna.tsinghua.edu.cn/simple/
安相关库
目前我的版本如下：
图4 需要安装库说明图
安装黑线库即可，其他的依赖库pip会自动安装
修改Pycharm在未安装库上使用Alt+Enter install时的源
在 C:\Users\当前用户\ 下新建pip文件夹，进入文件夹新建pip.ini
输入：
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
正式开始
在根目录上右键，New Python File,然后第一次运行需要在此文件上右键run，以后可使用右上角绿三角快捷键。
0.包含库：
1.定义获取数据函数：
打开我们的csv文件，dtype表示数据类型，我的正文都是int，不加他会有自己默认的类型，也可以指定部分列dtype={‘rank’：‘int’}
data[data[‘type’]!=2]筛选了type不为2的所有数据
data.iloc[:,:15]表示0-15行的所有数据，data.iloc[0:3,:15]表示前三列。
选取完成后舍弃第一列，‘type’。
pandas操作：https://www.jb51.net/article/134615.htm
2.绘制所有数据的折线图：
第一个range(1,9)相当于一个[1,…,8]列表在这里作为x坐标，data.values[i,;8]作为一条折线的y坐标列表，i表示第i行，:8表示前8列。fkcolor是我定义的颜色列表：
然后红到黑分别表示第1-8名，结果如图。使用plt.save(‘1.png’)可以保存图片到当前位置。
图6 八回合血量折线图
3.绘制名次分布图：
这里第一个参数为列表，value_counts()相当于分类计算数量了，然后.values取值（不要表头）。
explode为不同块的间隔，数据有8类就*8，你如果只收集到了5中排名，这里改成5。
labels相当于加上表头，和.index和.values对应。后面一个参数表示保留小数位数。
title添加表态，此处可能会中文乱码，解决方法：在之前（可以在import后面）加上：
matplotlib操作：https://blog.csdn.net/Notzuonotdied/article/details/77876080
4:训练模型的函数：
如上图，先iloc选出数据，此处start=0,end=8及取前8列数据。
DTC是DecisionTreeClassifier别名，此函数包括许多参数，本次现在最大深度为8
其他参数有需要请参照：
https://blog.csdn.net/li980828298/article/details/51172744
fit()即开始训练，完成后使用joblib或者picker保存
两个dump()函数均有protocol参数，python3默认为3，python2默认为0；0，1，2可通用，另外，python3-64与python-32不兼容。
然后使用export_graphviz进行可视化，需要先安装graphviz
windows下载.msi双击安装。
https://graphviz.gitlab.io/_pages/Download/Download_windows.html
lUbuntu使用命令 sudo apt-get install graphviz（先sudo apt-get update）
安装了graphviz不需要设置环境变量，因为设置了也找不到，需要在import下加上：
然后通过StringIO处理中文乱码。
得到结果：
图7 决策树可视化图
5.模型加载与调用：
首先加载数据，补充一下start=0,end=；然后加载模型，我因为不想自己的电脑算模型，所以放在云服务器上了。用的时候再去下载：
这里就是调用之前写好的函数，预测就是将最后一行数据（-1：0）的x传入训练好的模型。然后调用predict。
使用云服务器
ubuntu：https://blog.csdn.net/adley_app/article/details/78959864
winserver： https://blog.csdn.net/zsq520520/article/details/62039958
以上代码已经可以完整使用，数据量不大速度也很快。云服务器只是简单的用来共享文件，主要是安装python，安装pycharm，然后安装apache2，WinServer推荐安装phpStudy，Linux就就很容易安装了。然后将代码运行生成的文件的目录改到apache的WWW共享目录（相当于根目录），
Linux为 /var/www/Html。然后就可以像我一样在云服务器上运行代码。通过公网ip/路径就行。本地直接getFile()可以下载，都可以。