前言
爲什麼要預測雲頂排名？學習，娛樂，其他目的。
通過什麼預測？通過收集到的前八回合血量數據和排名。（你也可以用你自己覺得好的數據，比如前n回合輸贏等）。
預測結果怎麼樣？遊戲沒結束誰也不知道結果怎麼樣，預測結果僅供參考，學習函數調用纔是最大的收穫。
大家看了覺得還行的話點個贊。
使用到的庫
pandas
打開csv，及對錶格數據篩選的方法。
sklearn
主要是DecisionTreeClassifier：封裝好的決策樹算法
export_graphviz：決策樹可視化輸出；解決問題：找不到graphviz可執行程序。可視化中文亂碼問題
joblib/pickle：
用來保存訓練好的模型；解決問題：python版本兼容
matplotlib
基本的繪圖，輸出圖片；解決問題：中文亂碼
requests
從網頁下載圖片，文件等。
雲服務器
由於數據是一步一步（一局）收集，我又忍不住每局都想試試，所以模型一直在變化。我不想讓自己的電腦去計算這個模型，所以把數據和代碼部署到雲服務器，將生成的文件共享，然後通過requests在自己的機器上把模型和結果下載下來。
使用雲服務器共享文件
結果展示
圖1 目前收集到的數據的排名分佈圖
圖2 某局比賽預測結果圖
正文
數據說明
雲頂之奕簡介：自走棋，選擇自己的隊伍，獲取裝備，一共八位玩家對決，100滴血開始，0血或其他七個玩家0血結束。排名1-8
圖3 基本數據展示
數據我是收集的前八回合的學了及排名數據，數據來源於直播中段位較高數據，其中type目前有
1："我唯一喜歡的主播"的認真遊戲時的數據
2：該主播娛樂局的數據
3：鑽石左右分段的主播記錄
數據從9.15版本開始收集。
數據從玩家對戰開始，記錄每回合結束後的血量
回合8結束後進入第3輪選秀。
環境搭建
首先在自己電腦上跑起來：
安裝python：建議安裝Python3.7-64
安裝編譯器：建議Pycharm2018.3.8
新建一個項目，設置新環境後：File->Setting->Project:“項目名”->Project->Project Interpreter->+，修改爲清華源：https://pypi.tuna.tsinghua.edu.cn/simple/
安相關庫
目前我的版本如下：
圖4 需要安裝庫說明圖
安裝黑線庫即可，其他的依賴庫pip會自動安裝
修改Pycharm在未安裝庫上使用Alt+Enter install時的源
在 C:\Users\當前用戶\ 下新建pip文件夾，進入文件夾新建pip.ini
輸入：
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
正式開始
在根目錄上右鍵，New Python File,然後第一次運行需要在此文件上右鍵run，以後可使用右上角綠三角快捷鍵。
0.包含庫：
1.定義獲取數據函數：
打開我們的csv文件，dtype表示數據類型，我的正文都是int，不加他會有自己默認的類型，也可以指定部分列dtype={‘rank’：‘int’}
data[data[‘type’]!=2]篩選了type不爲2的所有數據
data.iloc[:,:15]表示0-15行的所有數據，data.iloc[0:3,:15]表示前三列。
選取完成後捨棄第一列，‘type’。
pandas操作：https://www.jb51.net/article/134615.htm
2.繪製所有數據的折線圖：
第一個range(1,9)相當於一個[1,…,8]列表在這裏作爲x座標，data.values[i,;8]作爲一條折線的y座標列表，i表示第i行，:8表示前8列。fkcolor是我定義的顏色列表：
然後紅到黑分別表示第1-8名，結果如圖。使用plt.save(‘1.png’)可以保存圖片到當前位置。
圖6 八回合血量折線圖
3.繪製名次分佈圖：
這裏第一個參數爲列表，value_counts()相當於分類計算數量了，然後.values取值（不要表頭）。
explode爲不同塊的間隔，數據有8類就*8，你如果只收集到了5中排名，這裏改成5。
labels相當於加上表頭，和.index和.values對應。後面一個參數表示保留小數位數。
title添加表態，此處可能會中文亂碼，解決方法：在之前（可以在import後面）加上：
matplotlib操作：https://blog.csdn.net/Notzuonotdied/article/details/77876080
4:訓練模型的函數：
如上圖，先iloc選出數據，此處start=0,end=8及取前8列數據。
DTC是DecisionTreeClassifier別名，此函數包括許多參數，本次現在最大深度爲8
其他參數有需要請參照：
https://blog.csdn.net/li980828298/article/details/51172744
fit()即開始訓練，完成後使用joblib或者picker保存
兩個dump()函數均有protocol參數，python3默認爲3，python2默認爲0；0，1，2可通用，另外，python3-64與python-32不兼容。
然後使用export_graphviz進行可視化，需要先安裝graphviz
windows下載.msi雙擊安裝。
https://graphviz.gitlab.io/_pages/Download/Download_windows.html
lUbuntu使用命令 sudo apt-get install graphviz（先sudo apt-get update）
安裝了graphviz不需要設置環境變量，因爲設置了也找不到，需要在import下加上：
然後通過StringIO處理中文亂碼。
得到結果：
圖7 決策樹可視化圖
5.模型加載與調用：
首先加載數據，補充一下start=0,end=；然後加載模型，我因爲不想自己的電腦算模型，所以放在雲服務器上了。用的時候再去下載：
這裏就是調用之前寫好的函數，預測就是將最後一行數據（-1：0）的x傳入訓練好的模型。然後調用predict。
使用雲服務器
ubuntu：https://blog.csdn.net/adley_app/article/details/78959864
winserver： https://blog.csdn.net/zsq520520/article/details/62039958
以上代碼已經可以完整使用，數據量不大速度也很快。雲服務器只是簡單的用來共享文件，主要是安裝python，安裝pycharm，然後安裝apache2，WinServer推薦安裝phpStudy，Linux就就很容易安裝了。然後將代碼運行生成的文件的目錄改到apache的WWW共享目錄（相當於根目錄），
Linux爲 /var/www/Html。然後就可以像我一樣在雲服務器上運行代碼。通過公網ip/路徑就行。本地直接getFile()可以下載，都可以。