import pandas as pd import matplotlib.pyplot as plt import seaborn as sns

Загрузка данных из папки Downloads

df = pd.read_csv(r'D:\Downloads\wc_champions (3).csv')

print("✅ Данные загружены!") print(f"Размер: {df.shape}") print(df.head())

import pandas as pd import matplotlib.pyplot as plt from io import StringIO

Ваши данные (первые 10 чемпионов для примера, можно добавить всех)

data_text = """champion,sum_total,win_total,lose_total,pick_rate,winrate_total,sum_blue_side,win_blue_side,lose_blue_side,winrate_blue_side,sum_red_side,win_red_side,lose_red_side,winrate_red_side Graves,69,35,34,50.72%,60.53%,34,17,17,50.00%,35,18,17,51.43% Senna,46,21,25,45.65%,40.35%,21,12,9,57.14%,25,9,16,36.00% Jhin,42,28,14,66.67%,36.84%,20,10,10,50.00%,22,18,4,81.82% Leona,42,26,16,61.90%,36.84%,19,14,5,73.68%,23,12,11,52.17% Ashe,42,17,25,40.48%,36.84%,15,5,10,33.33%,27,12,15,44.44% Lillia,41,17,24,41.46%,35.96%,22,9,13,40.91%,19,8,11,42.11% Ornn,40,24,16,60.00%,35.09%,21,13,8,61.90%,19,11,8,57.89% Orianna,39,25,14,64.10%,34.21%,16,12,4,75.00%,23,13,10,56.52% Syndra,37,19,18,51.35%,32.46%,23,13,10,56.52%,14,6,8,42.86% Ezreal,34,20,14,58.82%,29.82%,19,12,7,63.16%,15,8,7,53.33%"""

Загрузка данных

df = pd.read_csv(StringIO(data_text))

Просмотр данных

print("✅ Данные загружены!") print(f"\n📊 Размер данных: {df.shape[0]} строк, {df.shape[1]} столбцов") print(f"\n📋 Названия столбцов:") print(df.columns.tolist())

print("\n🔍 Первые 5 строк:") print(df.head())

Создаем круговую диаграмму для топ-5 чемпионов по победам

top_5_wins = df.nlargest(5, 'win_total')[['champion', 'win_total']] print("\n🏆 Топ-5 чемпионов по победам:") print(top_5_wins)

Цвета League of Legends (5 основных цветов)

colors = ['

C89B3C', '

0A323C', '

785A28', '

A9B4C2', '#5E5E5E']

Настройка стиля

plt.rcParams.update({ 'font.size': 14, 'font.weight': 'bold', 'text.color': 'black' })

Построение круговой диаграммы

plt.figure(figsize=(10, 8)) wedges, texts, autotexts = plt.pie( top_5_wins['win_total'], labels=top_5_wins['champion'], autopct='%1.1f%%', colors=colors, startangle=90, wedgeprops={'edgecolor': 'black', 'linewidth': 2}, textprops={'fontsize': 12, 'fontweight': 'bold'}, pctdistance=0.85 )

Настройка текста процентов

for autotext in autotexts: autotext.set_color('white') autotext.set_fontweight('bold') autotext.set_fontsize(12)

plt.title('Топ-5 чемпионов по количеству побед\nWorlds Championship', fontsize=16, fontweight='bold', pad=20) plt.axis('equal') plt.tight_layout() plt.show()

Статистика

print(f"\n📊 Статистика:") print(f"Всего чемпионов в топ-5: {len(top_5_wins)}") print(f"Всего побед у топ-5: {top_5_wins['win_total'].sum()}") for _, row in top_5_wins.iterrows(): print(f" {row['champion']}: {row['win_total']} побед")

from io import StringIO import pandas as pd import matplotlib.pyplot as plt

Ваши данные

data = """champion,sum_total,win_total,lose_total,pick_rate,winrate_total,sum_blue_side,win_blue_side,lose_blue_side,winrate_blue_side,sum_red_side,win_red_side,lose_red_side,winrate_red_side Graves,69,35,34,50.72%,60.53%,34,17,17,50.00%,35,18,17,51.43% Senna,46,21,25,45.65%,40.35%,21,12,9,57.14%,25,9,16,36.00% Jhin,42,28,14,66.67%,36.84%,20,10,10,50.00%,22,18,4,81.82% Leona,42,26,16,61.90%,36.84%,19,14,5,73.68%,23,12,11,52.17% Ashe,42,17,25,40.48%,36.84%,15,5,10,33.33%,27,12,15,44.44% Lillia,41,17,24,41.46%,35.96%,22,9,13,40.91%,19,8,11,42.11% Ornn,40,24,16,60.00%,35.09%,21,13,8,61.90%,19,11,8,57.89% Orianna,39,25,14,64.10%,34.21%,16,12,4,75.00%,23,13,10,56.52% Syndra,37,19,18,51.35%,32.46%,23,13,10,56.52%,14,6,8,42.86% Ezreal,34,20,14,58.82%,29.82%,19,12,7,63.16%,15,8,7,53.33%"""

Загрузка данных

df = pd.read_csv(StringIO(data))

Очищаем процентные значения

df['pick_rate'] = df['pick_rate'].str.rstrip('%').astype(float) df['winrate_total'] = df['winrate_total'].str.rstrip('%').astype(float) df['winrate_blue_side'] = df['winrate_blue_side'].str.rstrip('%').astype(float) df['winrate_red_side'] = df['winrate_red_side'].str.rstrip('%').astype(float)

print("✅ Данные загружены!") print(f"📊 Всего чемпионов: {len(df)}")

Фильтруем данные — оставляем чемпионов с высоким пикрейтом (pick_rate > 40%)

df_popular = df[df['pick_rate'] > 40]

print(f"\n🔍 Чемпионов с пикрейтом > 40%: {len(df_popular)}")

Проверяем, есть ли данные

if not df_popular.empty:

# Цветовая палитра League of Legends
colors = ['<h3>C89B3C', '</h3>0A323C', '<h3>785A28', '</h3>A9B4C2', '<h3>5E5E5E', '</h3>F0E6D2']

# Создаем словарь цветов для разных ролей (если есть данные о ролях)
# В данном случае используем категории по количеству игр
df_popular['category'] = pd.cut(df_popular['sum_total'], 
                                 bins=[0, 30, 50, 100], 
                                 labels=['Мало игр (0-30)', 'Средне игр (30-50)', 'Много игр (50+)'])

unique_categories = df_popular['category'].unique()
color_map = {category: colors[i % len(colors)] for i, category in enumerate(unique_categories)}

Строим точечный график зависимости винрейта от пикрейта

plt.figure(figsize=(12, 8))

for category in unique_categories:
    subset = df_popular[df_popular['category'] == category]
    plt.scatter(subset['pick_rate'],
               subset['winrate_total'],
               c=color_map[category],
               label=category,
               s=subset['sum_total'] * 2,  # Размер точки зависит от количества игр
               alpha=0.7,
               edgecolor='black',
               linewidth=1.5)
    
    # Добавляем подписи для самых заметных чемпионов
    for _, row in subset.iterrows():
        if row['sum_total'] > 40:  # Подписываем только популярных чемпионов
            plt.annotate(row['champion'], 
                       (row['pick_rate'], row['winrate_total']),
                       xytext=(5, 5), 
                       textcoords='offset points',
                       fontsize=9,
                       fontweight='bold')

# Улучшаем внешний вид
plt.grid(True, linestyle='--', alpha=0.7)
plt.xlabel('Пикрейт (%)', fontsize=12, fontweight='bold')
plt.ylabel('Винрейт (%)', fontsize=12, fontweight='bold')
plt.title('Зависимость винрейта от пикрейта среди чемпионов\nWorlds Championship', 
          fontsize=14, fontweight='bold', pad=20)
plt.legend(title='Количество игр', bbox_to_anchor=(1.05, 1), loc='upper left')
plt.tight_layout()

# Отображаем график
plt.show()

# Выводим статистику
print(f"\n📊 Статистика:")
print(f"Всего чемпионов с пикрейтом > 40%: {len(df_popular)}")
print(f"Средний пикрейт: {df_popular['pick_rate'].mean():.1f}%")
print(f"Средний винрейт: {df_popular['winrate_total'].mean():.1f}%")
print(f"\n📈 Корреляция между пикрейтом и винрейтом: {df_popular['pick_rate'].corr(df_popular['winrate_total']):.3f}")
print(f"\n🏆 Распределение по количеству игр:")
print(df_popular['category'].value_counts())

else: print("⚠️ Нет чемпионов с пикрейтом > 40%")

Добавляем подписи для самых заметных чемпионов

    for _, row in subset.iterrows():
        if row['sum_total'] > 40:  # Подписываем только популярных чемпионов
            plt.annotate(row['champion'], 
                       (row['pick_rate'], row['winrate_total']),
                       xytext=(5, 5), 
                       textcoords='offset points',
                       fontsize=9,
                       fontweight='bold')

from io import StringIO import pandas as pd import numpy as np import matplotlib.pyplot as plt

Ваши данные (полные)

data = """champion,sum_total,win_total,lose_total,pick_rate,winrate_total,sum_blue_side,win_blue_side,lose_blue_side,winrate_blue_side,sum_red_side,win_red_side,lose_red_side,winrate_red_side Graves,69,35,34,50.72%,60.53%,34,17,17,50.00%,35,18,17,51.43% Senna,46,21,25,45.65%,40.35%,21,12,9,57.14%,25,9,16,36.00% Jhin,42,28,14,66.67%,36.84%,20,10,10,50.00%,22,18,4,81.82% Leona,42,26,16,61.90%,36.84%,19,14,5,73.68%,23,12,11,52.17% Ashe,42,17,25,40.48%,36.84%,15,5,10,33.33%,27,12,15,44.44% Lillia,41,17,24,41.46%,35.96%,22,9,13,40.91%,19,8,11,42.11% Ornn,40,24,16,60.00%,35.09%,21,13,8,61.90%,19,11,8,57.89% Orianna,39,25,14,64.10%,34.21%,16,12,4,75.00%,23,13,10,56.52% Syndra,37,19,18,51.35%,32.46%,23,13,10,56.52%,14,6,8,42.86% Ezreal,34,20,14,58.82%,29.82%,19,12,7,63.16%,15,8,7,53.33%"""

Загрузка данных

df = pd.read_csv(StringIO(data))

Очищаем процентные значения

df['winrate_total'] = df['winrate_total'].str.rstrip('%').astype(float) df['winrate_blue_side'] = df['winrate_blue_side'].str.rstrip('%').astype(float) df['winrate_red_side'] = df['winrate_red_side'].str.rstrip('%').astype(float) df['pick_rate'] = df['pick_rate'].str.rstrip('%').astype(float)

print("✅ Данные загружены!") print(f"📊 Всего чемпионов: {len(df)}")

1. Выбираем топ-5 чемпионов по количеству побед

top_5_champions = df.nlargest(5, 'win_total')['champion'].tolist()

2. Фильтруем DataFrame по этим чемпионам

df_top = df[df['champion'].isin(top_5_champions)].copy()

3. Создаем столбцы с винрейтом на синей и красной стороне

df_top['blue_text'] = 'Винрейт на синей стороне' df_top['red_text'] = 'Винрейт на красной стороне'

4. Строим сводную таблицу: чемпион → сторона → винрейт

pivot_df = df_top.pivot_table( index='champion', values=['winrate_blue_side', 'winrate_red_side'], aggfunc='mean' )

Переименовываем колонки для читаемости

pivot_df.columns = ['Винрейт на синей стороне (%)', 'Винрейт на красной стороне (%)']

5. Сортируем чемпионов по общему винрейту (для наглядности)

pivot_df['avg_winrate'] = (pivot_df['Винрейт на синей стороне (%)'] + pivot_df['Винрейт на красной стороне (%)']) / 2 pivot_df = pivot_df.sort_values('avg_winrate', ascending=False) pivot_df = pivot_df.drop('avg_winrate', axis=1)

6. Создаем тепловую карту с помощью matplotlib

fig, ax = plt.subplots(figsize=(10, 6))

Цветовая карта League of Legends (от зеленого/золотого к красному/темному)

colors = ['

C89B3C', '

785A28', '

0A323C', '

5E5E5E', '#F0E6D2'] cmap = plt.cm.colors.ListedColormap(colors[:len(pivot_df.columns)])

Рисуем тепловую карту

im = ax.imshow(pivot_df.values, cmap='RdYlGn', aspect='auto', vmin=30, vmax=80)

Настройка осей

ax.set_xticks(np.arange(len(pivot_df.columns))) ax.set_yticks(np.arange(len(pivot_df.index))) ax.set_xticklabels(pivot_df.columns, rotation=15, ha='right', fontsize=11, fontweight='bold') ax.set_yticklabels(pivot_df.index, fontsize=11, fontweight='bold')

Добавляем значения в ячейки

for i in range(len(pivot_df.index)): for j in range(len(pivot_df.columns)): value = pivot_df.values[i, j] text_color = 'white' if value < 50 or value > 70 else 'black' text = ax.text(j, i, f'{value:.1f}%', ha="center", va="center", color=text_color, fontweight='bold', fontsize=12)

Настройка внешнего вида

ax.set_xlabel('Сторона карты', fontsize=12, fontweight='bold') ax.set_ylabel('Чемпион', fontsize=12, fontweight='bold') ax.set_title('Сравнение эффективности топ-5 чемпионов\nна синей и красной стороне\nWorlds Championship', fontsize=14, fontweight='bold', pad=20)

Добавляем цветовую шкалу

cbar = plt.colorbar(im, ax=ax, shrink=0.8) cbar.set_label('Винрейт (%)', fontsize=11, fontweight='bold')

Добавляем рамки между ячейками

for i in range(len(pivot_df.index) + 1): ax.axhline(i - 0.5, color='white', linewidth=2) for j in range(len(pivot_df.columns) + 1): ax.axvline(j - 0.5, color='white', linewidth=2)

plt.tight_layout() plt.show()

Выводим статистику

print("\n📊 СТАТИСТИКА:") print(f"Всего чемпионов в топ-5: {len(df_top)}") print(f"\n🏆 Топ-5 чемпионов по количеству побед:") for i, champion in enumerate(top_5_champions, 1): champ_data = df[df['champion'] == champion].iloc[0] print(f"{i}. {champion}: {champ_data['win_total']} побед (всего игр: {champ_data['sum_total']})")

print(f"\n📈 Распределение винрейта по сторонам:") print(pivot_df.round(1))