DOTA2先干掉中路一塔后有多大胜算？

上回数据冰山发布的《TI7伤害之王》和《TI7小组赛英雄数据报告》收到冰友反馈：

• 游戏数据接口API如何调用？我没有编程基础，感觉很难的样子。

• 能不能给一些具体的例子，能一步一步学着操作的那种。

• 内容可以再丰富一点吗？

我是过来人，道理我都懂。大家其实是希望我给一个故事完整、过程清晰、内容详实的DOTA2数据分析例子，这样学起来才会有顺藤摸瓜的感觉，比起摸着石头过河，能够少踩一些坑。

既然如此，我也只好收拾一下自己的懒癌，再满足大家一次。

本文叙述结构按照数据分析师的工作流程来：

1. 提一个值得分析的问题（中路一塔到底有多重要？）

2. 获取数据源（手把手演示如何使用python调用API获取需要的数据）

3. 确定方法论（统计推断statistical inference），处理数据，得出结论

【注意：在数据分析师的实际工作过程中，顺序可能颠倒，也可能重复多次】

一、提一个好问题

会提问、提好问，是数据分析师最重要的技能之一。

大家平时听讲座，经常看到演讲者眼冒精光的对某个提问者说：“你这个问题提的非常好！很有水平！（加鸡腿）”。演讲者觉得问题好，是因为这个问题触及了事情的本质，回答好这个问题，就可以把事情说清楚。

和他问自答的演讲者相比，自问自答的数据分析师自由度更高，更需要借一双慧眼，在纷繁复杂的数据和千头万绪的可能性之中，找到最接近真相的那些问题。

本文提出的问题是：DOTA2这款免费游戏的中路一塔有多重要？

喜欢看比赛的朋友，对这个问题应该不陌生。主播解说比赛时经常讲：这个中路一塔绝对不能放！这个塔放了之后，视野黑一大片，活动范围减小，打钱空间被压缩...就不好打了！那么，主播们说的对吗？如何衡量中路一塔的重要性？

在DOTA2的世界里，所谓「重要」，只有两个字：能赢。比如刀塔中最重要的建筑毫无疑问是基地——因为基地一炸，比赛就结束了。如果我们可以把「先拆掉敌方中路一塔」和「比赛胜负」联系起来，就可以得出答案。按这个思路，对每场比赛，我们需要的数据是：

1. 哪一方先拆掉敌方中路一塔

2. 哪一方赢得了比赛

二、获取数据源

如何获取一场比赛的「拆塔信息」和「比赛胜负」？

上篇文章讲过，可以调用OPENDOTA提供的API来获取公开比赛数据。查阅API接口文档后，发现有一个名叫matches的api提供了一场比赛（match）的详细信息。我们需要的数据很可能在api返回的结果里。

我们不妨找一场比赛调用这个API试一下（反正又不要钱），看看它到底提供了哪些数据。以刚刚结束的长沙MDL MAJOR最后一场比赛为例（LGD夺冠那场），它的比赛编号（也就是调用api要传入的参数：match_id）是3903099199。

同学们不要紧张，现在还不用写代码。

这种webapi是可以在浏览器中调用的。只需要按API的接口说明构建出网址api.opendota.com/api/ma，然后把链接复制到你常用的浏览器中，按回车就可以得到结果：

为什么数据这么多？平时打完一局DOTA2，赛后统计数据没这么多啊？

同学们不要紧张。Opendota提供的matches接口，不仅返回了「基础赛后统计数据」，还包含了许多「通过解析录像得到的游戏中数据」。以防御塔数据为例，基础的赛后统计数据只能告诉你比赛结束时，双方队伍的防御塔存亡状态（哪些拆掉了，哪些还在）；而解析录像得到的游戏中数据，可以告诉你每座塔是什么时候被谁拆掉的。

如果你愿意，你甚至可以通过解析录像知道拆塔的过程中，每一个英雄每一下A出了多少伤害。也就是说，DOTA2这款游戏的数据源很开放（其他类DOTA游戏没法比），这也正是我在市面上已经有非常多数据分析入门教程的前提下，执意要写「DOTA2数据分析入门」教程的原因——因为对大家来讲，那些教材使用的数据源都不对口，学起来很容易半途而废（特别是基础不好的朋友）。而DOTA2这款游戏内涵丰富，可以分析的维度很多，如果你本身是一名刀塔玩家，使用DOTA2数据源来学习数据分析，学习过程一定会很愉快。

比如，当你看到上图中的「"radiant_win":false」时，你一定会知道radiant表示天辉，所以radiant_win就是天辉胜利，合起来就是：天辉胜利为假，那就是夜魇（Dire）获胜咯！（如果不放心，你可以找第三方数据产品验证一下）

是不是很简单？

接下来我们在API返回的结果中寻找第二个数据「拆塔信息」。经过一番折腾（比如搜索关键字"tower"或者"building"），我们可以发现数据出现了一些奇怪的东西：

• npc_dota_goodguys_tower1_mid

• npc_dota_badguys_tower1_mid

• npc_dota_goodguys_tower2_bot

• npc_dota_goodguys_tower3_top

tower1是什么鬼？一塔？mid\bot\top是中塔\下塔\上塔？那goodguys和badguys是不是天辉和夜魇？？？

是的，上面的猜测都是对的，V社就是这么任性（不好好用radiant，还要搞个goodguys...）。

所以，上图中的两条拆塔信息是：

1. 名叫npc_dota_hero_gyrocopter（矮人直升机）的单位，于20分10秒，拆掉（反补）了天辉方的中路一塔。

2. 名叫npc_dota_hero_gyrocopter（矮人直升机）的单位，于20分37秒，拆掉了夜魇方的中路一塔。

如果你不放心，仍然可以用第三方数据产品（DOTABUFF、OPENDOTA、刀魔数据等）来验证数据的准确性：

OK，到现在为止，我们终于获取了LGD对阵VGJ.S的第三局所有想要的信息：夜魇方先拆掉天辉方的中路一塔，夜魇获胜。

但是，使用浏览器调用接口，人工统计信息的操作会很麻烦（比如你想查询100场比赛的信息，估计眼睛都要看瞎）。

接下来我们必须开始写代码了。关于代码有两点说明：

• 本系列教程不会教大家写代码，请自行学习python、requests、notebook等编程知识（自律且时间充裕的朋友，可以Google搜关键字自学；基础太差或者想有人一起学的朋友，可以考虑报网课，比如「优达学城（Udacity）」）

• 文中用到的所有代码，都会放在GitHub上（repository叫dota2_analysis_tutorial）。给大家作为参考~

写代码的时候，我们可以再简化一下，把「拆塔和比赛胜负的联系」用一个bool类型表示。比如我们可以写一个名叫is_destroy_mid_tower_induce_win的函数，对每一场比赛（用match_id标识）返回：

• True，表示先拆掉敌方中路一塔的队伍，取得了胜利

• False，表示先拆掉地方中路一塔的队伍，遭受了失败

• None，表示获取不到数据（录像损坏或者解析出错）

三、处理数据，得出结论

孤证不立，一场比赛的情况不足以反映规律，我们需要看更多比赛的数据。DOTA2进入7.0时代以来，一共打了13574场职业比赛（可用下图的SQL在OpenDota - Dota 2 Statistics上查询）。

难道我们要把1万3千多场比赛的信息都弄下来？这样做确实可以，但是太耗时间了——OpenDota提供的API限制访问速度是1分钟60次，也就是需要4个小时才能获取这些比赛的信息（而且代码没有处理网络异常，很有可能跑到一半就GG了，重来又是4小时...）

怎么办？这个时候就需要一些统计学知识了。我们先随机抽取200场比赛看看情况。

200场比赛的结果是这样的：

• 93场比赛无法获得「拆塔信息」数据，属于无效样本。

• 剩下的107场比赛中，先拆掉敌方中一塔获胜的场次是67场，67/107=62.6%。

62.6%！意思是只要先拆掉敌方中一塔，就有6成以上的胜率？不好说，因为这只是107场比赛的数据（总共有1万多场比赛），比如我们再重新抽107场比赛，结果很可能会不一样。那么问题来了，这个62.6%的可信度有多高？

这需要用到「统计推断」的知识（推荐一本书《OpenIntro Statistics》）。我们采样的每场比赛之间相互独立，同时正负样本的数量都大于10（说明采样结果的分布没有严重偏曲）。根据「中心极限定理」，采样结果的分布近似服从正态分布。

先算出标准差为0.047，然后算出95%置信区间为[53.4%, 71.8%]。也就是说，根据107场抽样比赛来看，我们有95%的把握：先拆掉敌方中路一塔的队伍，获胜概率在53.4%~71.8%之间。

但是这个结论太粗糙了，只能说明先拆掉中路一塔是件好事（获胜概率>50%），但无法说清楚这件事到底有多好（53%和71%的差距还是很大的）。

为了缩小置信区间的宽度使估计值更精确，我们可以增加样本数量：

• 随机抽取223场比赛（先拆掉中路一塔的队伍获胜场次为142，142/223=63.7%），获胜概率的95%置信区间为[57.4%, 70%]

• 随机抽取528场比赛（先拆掉中路一塔的队伍获胜场次为347，347/528=65.7%），获胜概率的95%置信区间为[61.7%, 69.8%]

• 随机抽取1979场比赛（先拆掉中路一塔的队伍获胜场次为1280，1280/1979=64.7%），获胜概率的95%置信区间为[62.6%, 66.8%]

• ...

不需要更多的样本了——当样本数量为2000场时，我们已经可以很自信的说（95%的概率）：先拆掉中路一塔的队伍，具有一定的优势，获胜概率在62.6%~66.8%之间。

那么问题又来了，这64.7%左右的胜率算高吗？（老队长：我就问你有什么影响？）到目前为止，我们可以用于比较的参考值只有「先拆掉基地的胜率为100%」，没啥意义，但我们完全可以用相同的方法论给出更多、更有意义的benchmark（基准）：【以下都是95%置信区间】

• 拿到第一个肉山盾的队伍，获胜概率是[73.5%，77.3%]

• 拿到一血的队伍，获胜概率是[52.7%, 57.1%]

• 先拆掉第一座防御塔（上\中\下任意一座）的队伍，获胜概率是[59.4%，63.7%]

有了对比，我们就可以得出结论：中路一塔的战略地位确实高于边路一塔（只要先于敌方拆掉中一塔，就能建立优势，提升胜率），但也没有特别重要（不如第一个肉山盾）。

写到这里，一个完整的数据分析例子就算完成了。但「完整」并不代表「完结」：

1. 从深度上来讲：大家可以对比分析中一塔被拆掉前后，有没有影响队伍的打钱速度、活动范围？找出中一塔具体的影响因素，从而在实战中调整策略。

2. 从广度上来讲：大家可以加入战队、版本号等维度，对样本进行拆分，描述中一塔战略地位的变化和队伍风格。

当然，我觉得更好的学习方法是：从兴趣出发，找到自己认为有意义问题，用相同的方法论处理数据，得出结论。

特别鸣谢：何求知

点击查看历史文章，揭开冰山水面下更多的数据秘密！

知乎专栏：数据冰山