如何吃鸡到国服前十的?Python分析几十万场比赛数据,揭开谜底!
upm9冲锋枪我的最爱
朋友爱上一款手游:全军出击,常常和我开黑,午休都没睡觉,陪朋友在沙漠里奔波, 然而技术一直没什么上升。
所以我准备用Python来爬取每场的比赛的数据,来分析出牛逼与菜逼之间到底是存在着什么问题。用数据来说话,任何逻辑都是无用的,任何场合数据才是最有说服力的东西。
看到我的吃鸡战绩,其实还是比较满意的,吃鸡率有百分之五十。然而就是 这样我遇到了瓶颈,我想变得更加强大。
说干就干,开始利用Python爬取我想要的数据吧。
1 分析数据接口
先了解页面是如何获取战斗数据的,然后把这些战绩数据采集下来。
使用Charles抓包
抓包实现
流程如下:
https加密流量的处理
微信所有的流量都是HTTPS请求(数据加密),所获得的加密了的数据对我们没有任何参考意义。 可以由在手机和电脑都安装Charles根证书的方式来实现对Https流量的分析
证书安装后,流量是这样的
配置好上述条件后,可以读取到https的请求和响应数据
- windows下用findler抓包工具也可以实现这个功能
- 这是一个非常典型的中间人场景
数据接口
1. 获取用户信息接口
- response (返回)
- 分析
openid是用户的惟一标识。
2. 获取用户战绩列表接口
- response (返回、响应)
分析数据:
2 爬取数据
接口确定后,可以去抓取数据了。
利用requests请求接口获取数据
用这种方法,快速把另外的两个接口写好。
利用redis标记已经爬取过的信息
核心代码:
利用celery管理队列
创建三个task、queue
在task中控制API请求和Redis数据实现完整的任务逻辑:
Python爬取
由于是分布式爬虫,所以需要给代码一个用户的入口,需要手动创建一个用户的采集任务
入口存在后,用celery启动worker去开始爬取
Python爬虫就开始爬取了,可以由celery-flower来查看执行情况。
效率:
get_battle_list跑太快,导致get_battle_info技术开了30个并发还是会有很多积压,我们可以适当的停止一些worker。 仅仅抓了二十万数据就停止了,不过也应该够了。
3 数据分析
分析方案
爬取到的数据全部分成json文件存在本地磁盘上,做一些简单的分析。 python在数据分析领域有很多非常优秀的库,pandas和NumPy,可以由此进行深度分析,我这里来做一些浅度分析。
Python数据分析结果
1. 平均用户日在线时长为2小时
大部分人也有一个小时以上,有些人却也有超过八个小时的。
2. 被扶起的角色,女远大于男(符合常情)
3. 救人次数也是女性大于男性(一般女孩都是天使)
以后可以堂堂正正的带妹,为什么?这数据就是理由阿。
4. 玩家最少的是周五
5. 晚上10点大家都下班了,这是绝地求生游戏人数的最顶峰时期
6. 最远的击杀距离为639米(挂壁除外)
7. 救死扶伤称号是最高荣耀,是最难拿到的
比十连杀的难度还要高许多
与前面的数据不冲突,拿的最多的女性还是要大于男性。绝地求生,活着才是希望,带人上分,我选带妹!