Le site arthur.bebou.netlib.re - retour accueil
git clone git://bebou.netlib.re/arthur.bebou
Log | Files | Refs |
starcraft.sh (11689B)
1 #! page
2 title: Analyses plus poussées
3 author: Arthur Pons
4 description: Explorons comment obtenir des résultats plus avancés avec nos outils
5 publication: 2023-10-20
6 sectionmd: main
7
8
9 Je copie un [article analysant des données à propos d'un tournoi de
10 starcraft] pour illustrer d'autres possibilités.
11
12 APM moyen
13
14 tsv-summarize -H --mean AvgAPM --group-by Year IEM_games.tsv |
15 sed 's/\.[0-9]*//' |
16 tail -n+2 > data
17 gnuplot -p -e "set title 'APM Moyen par année';
18 set xlabel 'Années';
19 set ylabel 'APM';
20 set offsets 1,1,5,5;
21 plot 'data' w lp lw 2 ps 2 notitle, 'data' using 1:2:2 w labels offset -0.5,1 notitle"
22
23 Pour la suite il suffit de modifier la colonne concernée.
24
25 Les maps les plus jouées, plutôt facile sans tsv-utils :
26
27 cut -f7 IEM_games.tsv | sort | uniq -c | sort -nr | head
28 128 BlackpinkLE
29 96 CatalystLE
30 94 TritonLE
31 91 PortAleksanderLE
32 91 EphemeronLE
33 89 AbyssalReefLE
34 80 KairosJunctionLE
35 79 NightshadeLE
36 73 CyberForestLE
37 69 EternalEmpireLE
38
39 On enlève le `-r` du `sort` pour avoir les maps les moins jouées.
40
41 Cartes avec les temps moyens de jeu les plus longs. Là ça se complique pour les conversions.
42 J'utilise volontairement `sed` pour convertir en secondes puis `awk` pour convertir en `mm:ss`
43 pour montrer qu'il est possible d'utiliser les deux.
44
45 cut -f8 IEM_games.tsv | tail -n+2 |
46 sed -E 's/^([0-9]+):([0-9]+)/\1*60+\2/' |
47 bc -l |
48 sed '1 s/^/seconds\n/' |
49 paste IEM_games.tsv - |
50 tsv-summarize -H --mean seconds --group-by MapName |
51 sed 's/\.[0-9]*//' |
52 sort -t' ' -nrk2 |
53 awk -F'\t' '{printf $1" "(int($2/60))":";
54 printf "%02d\n", ($2%60)}' |
55 head | tsv-pretty
56 [ESL]Hardwire 16:27
57 [ESL]Gresvan 14:44
58 [ESL]Berlingrad 14:05
59 RomanticideLE 14:04
60 EternalEmpireLE 14:01
61 DuskTowers 14:01
62 JagannathaLE 13:57
63 2000AtmospheresLE 13:53
64 DeathauraLE 13:31
65 [ESL]GlitteringAshes 13:05
66
67 Correlation entre la fréquence de choix des cartes et la durée des parties ?
68
69 cut -f8 IEM_games.tsv | tail -n+2 |
70 sed -E 's/^([0-9]+):([0-9]+)/\1*60+\2/' |
71 bc -l |
72 sed '1 s/^/seconds\n/' |
73 paste IEM_games.tsv - |
74 tsv-summarize -H --mean seconds --group-by MapName |
75 sed 's/\.[0-9]*//' |
76 sort -t' ' -nrk2 |
77 head -n-1 |
78 sort > a
79 cut -f7 IEM_games.tsv | tail -n+2 |
80 tsv-summarize --count --g 1 |
81 sort > b
82 join -t' ' -j 1 a b > data
83 gnuplot -p -e "f(x) = a*x + b;
84 fit f(x) 'data' using 3:2 via a,b;
85 plot 'data' using 3:2 with points ps 1 pt 7 notitle,
86 f(x) ls 2 t sprintf('Régression linéaire %g*x+%g',a,b)"
87
88 
89
90 Les box plot des certaines métriques selon le matchup :
91
92 cut -f11,14 IEM_games.tsv | tail -n+2 | sort > data
93 gnuplot -p -e "set style fill solid 0.50 border lt -1;
94 set pointsize 0.5;
95 set lt 51 lc 'dark-red'; set lt 52 lc 'midnight-blue';
96 set lt 53 lc 'dark-plum'; set lt 54 lc 'orchid4';
97 set lt 55 lc 'olive'; set lt 56 lc 'sea-green';
98 plot 'data' using (2):2:(0):1 with boxplot lt 51 lc variable notitle"
99
100 
101
102 Même chose pour les autres variables en changeant le second champ du `cut`.
103
104 Pour la durée moyenne de match par matchup on reprend ce que l'on avait
105 écrit précedemment, on retire le calcul de la moyenne et ce qui suit,
106 on sélectionne le matchup et la durée en second, on tri, on affiche :
107
108 cut -f8 IEM_games.tsv | tail -n+2 |
109 sed -E 's/^([0-9]+):([0-9]+)/\1*60+\2/' |
110 bc -l |
111 sed '1 s/^/seconds\n/' |
112 paste IEM_games.tsv - |
113 cut -f11,26 |
114 sort |
115 gnuplot -p -e "set style fill solid 0.50 border lt -1;
116 set pointsize 0.5;
117 set lt 51 lc 'dark-red'; set lt 52 lc 'midnight-blue';
118 set lt 53 lc 'dark-plum'; set lt 54 lc 'orchid4';
119 set lt 55 lc 'olive'; set lt 56 lc 'sea-green';
120 plot '-' using (2):2:(0):1 with boxplot lt 51 lc variable notitle"
121
122 
123
124 Les joueurs les plus jeunes
125
126 awk -F' ' '$4' IEM_players_info.tsv |
127 sort -t' ' -rk4 |
128 head |
129 cut -f1,4 > data
130 cut -f1 data |
131 xargs -I{} grep -m1 {} IEM_players.tsv |
132 cut -f5 |
133 paste data - > data2
134 cut -f2,3 data2 | tail -n+2 |
135 sed -E 's/([^\-]+).* ([0-9]*)/\2 - \1/' |
136 bc -l |
137 sed '1 s/^/Age\n/' |
138 paste data2 - |
139 cut -f1,3,4 | column -ts' '
140 Player Year Age
141 KRYSTIANER 2020 16
142 REYNOR 2019 17
143 CLEM 2019 17
144 GOBLIN 2019 17
145 WAYNE 2020 19
146 SKILLOUS 2019 18
147 VINDICTA 2020 20
148 OLIVEIRA 2021 21
149 COFFEE 2023 24
150
151 Les joueurs les plus âgés
152
153 awk -F' ' '$4' IEM_players_info.tsv |
154 sort -t' ' -k4 |
155 head |
156 cut -f1,4 > data
157 cut -f1 data |
158 xargs -I{} grep -m1 {} IEM_players.tsv |
159 cut -f5 |
160 paste data - > data2
161 cut -f2,3 data2 | tail -n+2 |
162 sed -E 's/([^\-]+).* ([0-9]*)/\2 - \1/' |
163 bc -l |
164 paste data2 - |
165 cut -f1,3,4 | column -ts' '
166 DIMAGA 2020 32
167 BRATOK 2019 30
168 NIGHTEND 2018 28
169 POLT 2016 29
170 KAS 2017 28
171 PIG 2016 27
172 BLY 2016 27
173 HUK 2016 28
174 KRR 2017 28
175
176 La moyenne des APM par année de compétition
177
178 cut -f2- IEM_players.tsv > data
179 tsv-join --filter-file IEM_players_info.tsv -k 1 -a 4 data |
180 cut -f4,14 |
181 cut -d'-' -f1 | tr ' ' '-' | tail -n+2 |
182 sed -E 's/^[0-9]+-$/print "no data\n"/' |
183 bc -l | sed '1 s/^/Age\n/' |
184 paste data - | cut -f4,14 | sed 's/no data//' |
185 tsv-summarize -H -x --mean 2 -g 1 | tail -n+2 |
186 sed -E 's/(\.[0-9])[0-9]*/\1/' > data2
187 gnuplot -p -e "set offset 1,1,0.5,0.5;plot 'data2' w lp notitle
188 , '' using 1:2:2 w labels offset 0,1 notitle"
189
190 
191
192 Année de naissance moyenne par région
193
194 cut -f4,5 IEM_players_info.tsv | awk -F'\t' '$1' | awk -F'\t' '$2' |
195 sed -E 's/(-[0-9]{2}){2}//' |
196 sed -E 's/(US|MX|CA|BR)/America/;
197 s/KR/Korea/;
198 s/(AU|TW|CN|RU)/Asia/;
199 s/[A-Z]{2}$/Europe/' |
200 tsv-summarize -H --mean 1 -g 2 | tail -n+2 | sort > data
201 gnuplot -p -e "set style fill solid;
202 set yrange [1990:1998];
203 plot 'data' using 2:xtic(1) w histogram"
204
205 
206
207
208 Nombre de joueur par région
209
210 cut -f5 IEM_players_info.tsv | awk -F'\t' '$1' |
211 sed -E 's/(-[0-9]{2}){2}//' |
212 sed -E 's/(US|MX|CA|BR)/America/;
213 s/KR/Korea/;
214 s/(AU|TW|CN|RU)/Asia/;
215 s/[A-Z]{2}$/Europe/' |
216 tsv-summarize -H --count -g 1 | tail -n+2 > data
217 gnuplot -p -e "set style fill solid;
218 plot 'data' using 2:xtic(1) w histogram"
219
220
221 
222
223 Joueurs ayant joué le plus de secondes
224
225 cut -f7 IEM_players.tsv | tail -n+2 |
226 sed -E 's/^([0-9]+):([0-9]+)/\1*60+\2/' |
227 bc -l |
228 sed '1 s/^/seconds\n/' |
229 paste IEM_players.tsv - |
230 tsv-summarize -H --sum seconds -g Player |
231 sort -t' ' -nrk2
232
233 SERRAL 108508
234 SOLAR 106093
235 MARU 105444
236 DARK 105327
237 HEROMARINE 86769
238 ...
239
240 Joueurs avec les parties les plus longues en moyenne
241
242 cut -f7 IEM_players.tsv | tail -n+2 |
243 sed -E 's/^([0-9]+):([0-9]+)/\1*60+\2/' |
244 bc -l |
245 sed '1 s/^/seconds\n/' |
246 paste IEM_players.tsv - |
247 tsv-summarize -H --mean seconds -g Player |
248 sort -t' ' -nrk2
249
250 PERCIVAL 1038.75
251 MATIZ 1014
252 VINDICTA 946.571428571
253 KEEN 897
254 MARINELORD 884.909090909
255 SPIRIT 874.178571429
256 CURE 871.394366197
257 ...
258
259 APM moyen par joueur à travers toutes les compéitions. Bonne exemple de comment
260 et pourquoi tsv-utils parfois c'est vraiment bien :
261
262 tsv-summarize -H --mean APM -g Player IEM_players.tsv |
263 sort -t' ' -nrk2
264
265 TLO 584.472222222
266 REYNOR 414.126213592
267 DRG 400.565217391
268 RAGNAROK 391.613636364
269 ...
270
271 vs
272
273 cut -f2 IEM_players.tsv | tail -n+2 |
274 sort -u |
275 xargs -d'\n' -n1 sh -c 'printf "$1 ";
276 data=$(grep "$1" IEM_players.tsv);
277 echo "$(echo "$data" | cut -f9 | paste -s -d'+' | bc -l)\
278 / $(echo "$data" | wc -l)" |
279 bc -l' -- |
280 sort -t' ' -nrk2
281
282 TLO 584.47222222222222222222
283 REYNOR 414.12621359223300970873
284 DRG 400.56521739130434782608
285 RAGNAROK 391.61363636363636363636
286 ...
287
288 Les victoires
289
290 grep ' V ' IEM_players.tsv |
291 cut -f2 |
292 tsv-summarize --count -g1 |
293 sort -t' ' -nrk2
294
295 SERRAL 93
296 MARU 84
297 DARK 82
298 SOLAR 76
299 ...
300
301 Corrélation APM victoires
302
303 grep ' V ' IEM_players.tsv |
304 cut -f2 |
305 tsv-summarize --count -g1 | sort > wins
306 tsv-summarize -H --mean APM --group-by Player IEM_players.tsv |
307 sed 's/\.[0-9]*//' |
308 tail -n+2 |
309 sort |
310 join -t' ' -j 1 wins - > data
311 gnuplot -p -e "f(x) = a*x**5 + b*x**4 + c*x**3 + d*x**2 + e*x + f;
312 fit f(x) 'data' using 2:3 via a,b,c,d,e,f;
313 plot 'data' using 2:3 with points ps 1 pt 7 notitle,
314 f(x) ls 2 t 'Regression'"
315
316 
317
318 Pareil avec les SPM
319
320 tsv-summarize -H --mean SPM --group-by Player IEM_players.tsv |
321 sed 's/\.[0-9]*//' |
322 tail -n+2 |
323 sort |
324 join -t' ' -j 1 wins - > data
325 gnuplot -p -e "f(x) = a*x**5 + b*x**4 + c*x**3 + d*x**2 + e*x + f;
326 fit f(x) 'data' using 2:3 via a,b,c,d,e,f;
327 plot 'data' using 2:3 with points ps 1 pt 7 notitle,
328 f(x) ls 2 t 'Regression'"
329
330 
331
332
333 A nouveau la corrélation entre les APM et la quantité de victoire mais avec la
334 taille des points étant vaguement proportionnelle à la quantité de map jouées
335 et la couleur correspondant à la race du joueur[^1] :
336
337 grep ' V ' IEM_players.tsv |
338 cut -f2 |
339 tsv-summarize --count -g1 | sort > wins
340 tsv-summarize -H --mean APM --group-by Player IEM_players.tsv |
341 sed 's/\.[0-9]*//' |
342 tail -n+2 |
343 sort -k1 > apm
344 tsv-summarize -H --count -g Player IEM_players.tsv |
345 sort -k1 > nbgames
346 cut -f2,8 IEM_players.tsv |
347 sort -u | sort -t' ' -k1 > race
348 join -t' ' -j1 wins apm |
349 join -t' ' -j1 - nbgames |
350 join -t' ' -j1 - race 2>/dev/null |
351 sed 's/T$/6/;s/P$/5/;s/Z$/1/' > data
352 gnuplot -p -e "f(x) = a*x**2+b*x+c;
353 fit f(x) 'data' using 2:3 via a,b,c;
354 plot 'data' using 2:3:(\$4/30)::5 w points lc variable ps variable pt 7 notitle,
355 f(x) ls 2 t sprintf('%gx²+%gx+%g',a,b,c)"
356
357 Avec le même jeu de données on peut faire d'autres choses :
358
359 gnuplot -p -e "f(x) = a*x**2+b*x+c;
360 fit f(x) 'data' using 2:3 via a,b,c;
361 plot f(x) ls 2 t sprintf('%gx²+%gx+%g',a,b,c),
362 'data' using 2:3:1:5 w labels tc var font ',10'" 2> /dev/null
363
364 
365
366
367 On peut aussi mettre des conditions sur le fait d'afficher certaines choses ou
368 pas. Par exemple ici corrélation entre la quantité de parties jouées et le
369 nombre de parties gagnées avec les noms affichés pour les personnes ayant joué
370 plus de 25 maps et ayant un win rate meilleur que 60% ou un win rate inférieur
371 à 0.4 :
372
373 gnuplot -p -e 'f(x)=x/2;
374 g(x)=a*x**2+b*x+c;
375 fit g(x) "data" using 4:2 via a,b,c;
376 plot "data" using 4:2:::5 w p lc variable ps 1 pt 7 notitle,
377 "" using 4:($2>25 && ($2/$4>0.6 || $2/$4<0.4) ? $2: NaN):1 w labels offset 0,-0.8 notitle,
378 g(x) ls 2 t "fit"' 2>/dev/null
379
380 
381
382
383 [^1]: dans le jeu...
384 [article analysant des données à propos d'un tournoi de starcraft]: https://www.kaggle.com/code/fulviocapra/sc2-iem-katowice-data-analytics
385 %