本文深入分析了 2024 LoL 冠軍賽的玩家數據，揭示了玩家角色、表現指標與勝率之間的關鍵關係。通過對每分鐘補刀數 (CS)、擊殺死亡助攻比 (KDA)、每分鐘金幣 (Gold Per Minute) 和前期數據等指標的分析，提供對玩家角色和戰略動態的更深入理解。此外，分析還著重探討了閃現按鍵偏好及隊伍表現的影響，全面呈現了冠軍賽中不同角色和地區的數據趨勢。
關於數據集
此數據集包含 2024 年《英雄聯盟》世界錦標賽的全面玩家數據，重點關注遊戲內表現與戰略指標。關鍵玩家數據包括傳統的表現指標（如 KDA、勝率）以及進階指標，例如每分鐘視野得分 (VSPM)、每分鐘放置守衛數量 (WPM)、15 分鐘金幣差額 (GD@15) 等。每一行數據代表一名玩家在整個比賽期間的表現，深入展示了玩家的戰略影響力與遊戲內效率。
數據集來源: Kaggle
根據該數據集，ChatElite AI 會檢測並分析元數據，並生成以下相關問題：
各玩家位置的平均每分鐘補刀數（CS）有何差異？
各玩家位置的平均每分鐘補刀數（CS）差異分析
各位置平均每分鐘補刀數（CS）
- Adc：平均每分鐘補刀數為 9.73，顯示出對農兵（farming）的高度專注。
- Mid：平均每分鐘補刀數為 8.68，反映出農兵與其他職責之間的平衡。
- Top：平均每分鐘補刀數為 7.81，表明農兵專注程度適中。
- Jungle：平均每分鐘補刀數為 5.98，因打野更多關注目標控制與支援隊友。
- Support：平均每分鐘補刀數為 1.13，顯示其主要角色是協助隊友而非農兵。
差異視覺化
圖表呈現了各位置平均每分鐘補刀數的明顯差異，Adc 的補刀數最高，而 Support 的補刀數最低，符合各角色在比賽中的定位與職責分工。
結論與洞察
- 角色定位：每分鐘補刀數（CS）與各位置的典型職責相符，Adc 專注於農兵，而 Support 主要負責團隊支援。
- 戰略意涵：團隊可能會優先為 Adc 和 Mid 位置制定農兵策略，以最大化傷害輸出。
玩家位置與平均 KDA 的關係是什麼？
各玩家位置與平均 KDA 的對應關係分析
各位置的平均 KDA
- Adc：平均 KDA 為 4.81，位居首位。Adc 是主要的輸出角色，專注於最大化擊殺並減少死亡。
- Mid：平均 KDA 為 4.12，排名第二。中路選手對團隊戰鬥和小規模交火影響巨大，是關鍵角色。
- Jungle：平均 KDA 為 3.72。打野選手在地圖上游走，支援線路並協助擊殺，是戰術策劃的重要環節。
- Support：平均 KDA 為 3.11。輔助專注於支援隊友，通常助攻數較高，而擊殺數較低。
- Top：平均 KDA 為 3.07，最低。上路選手在攻防之間平衡，承擔傷害並進行進攻。
視覺化呈現
- 柱狀圖顯示，Adc 和 Mid 的平均 KDA 最高，反映其作為主要輸出角色的定位；而 Support 和 Top 的 KDA 較低，符合其在支援和吸收傷害中的角色分工。
結論與洞察
- 角色影響：專注於傷害輸出的角色（如 Adc 和 Mid）通常擁有較高的 KDA，而支援類角色（如 Support 和 Top）的 KDA 較低，但透過助攻對團隊貢獻顯著。
- 戰略意義：了解這些數據有助於團隊根據 KDA 表現優化角色分配和戰略規劃。
閃現按鍵偏好對玩家表現指標（如 KDA 和勝率）有什麼影響？
閃現按鍵偏好對玩家表現指標
平均 KDA 和勝率對比
- 閃現按鍵為 ‘D’ 的玩家：
- 平均 KDA：3.27
- 平均勝率：0.42
- 閃現按鍵為 ‘F’ 的玩家：
- 平均 KDA：4.36
- 平均勝率：0.50
視覺化對比
- 表現指標可視化：
- 柱狀圖顯示，選擇使用 ‘F’ 作為閃現按鍵的玩家，其平均 KDA 和勝率均高於使用 ‘D’ 的玩家。
結論與洞察
- 更高的表現與 ‘F’ 按鍵相關：使用 ‘F’ 作為閃現按鍵的玩家通常具有更高的平均 KDA 和勝率。
- 潛在相關性：儘管存在顯著差異，但仍需考慮可能影響這些指標的其他因素，因為相關性並不代表因果關係。
高 KDA 玩家在每分鐘金幣獲取上是否存在明顯的模式？
高 KDA 玩家每分鐘金幣獲取（Gold Per Minute）的模式
- 高金幣獲取 (High GoldPerMin)：高 KDA 的玩家通常每分鐘金幣獲取量超過 400，表明擊殺、死亡和助攻的高效表現與快速累積金幣之間存在強相關性。
- 角色影響 (Role Influence)：許多高 KDA 的玩家為 Adc 或 Mid，這些角色因其在輸出傷害與擊殺中的核心地位，通常能獲得更多金幣。
- 團隊成功 (Team Success)：來自成功隊伍（如 T1 和 Gen.G）的玩家經常出現，表明團隊表現對個人 KDA 和每分鐘金幣有重要貢獻。
- 跨地區一致性 (Consistency Across Regions)：高 KDA 和高金幣獲取的現象在不同地區普遍存在，顯示這些數據是衡量玩家高表現的重要指標。
結論與洞察
- 關鍵洞察：高 KDA 的玩家通常具有較高的每分鐘金幣獲取量（超過 400），並且多數分佈在具有高金幣收入的角色或團隊中。
- 普遍模式：這一模式在不同隊伍和地區中一致存在，突顯個人技術與團隊協作在實現高表現中的重要性。
前期數據指標（GD@15、CSD@15、XPD@15）如何影響玩家的總勝率？
前期數據指標對勝率的影響分析
相關性分析
- GD@15 相關性：GD@15（15 分鐘金幣差額）與勝率的相關係數為 0.586，顯示出中等程度的正相關性。這表明 15 分鐘金幣差額較高的玩家更可能擁有更高的勝率。
- CSD@15 相關性：CSD@15（15 分鐘補刀差額）與勝率的相關係數為 0.315，顯示出較弱的正相關性。這意味著補刀差額對勝率的影響小於 GD@15。
- XPD@15 相關性：XPD@15（15 分鐘經驗差額）與勝率的相關係數為 0.320，同樣顯示出較弱的正相關性，表明其對勝率的影響與 CSD@15 相近。
顯著性檢測
- GD@15 的顯著性：GD@15 的 t 統計值為 4.30，p 值為 0.000068，顯示其對勝率的影響具有統計顯著性，證明 GD@15 是預測勝率的重要指標。
- CSD@15 的顯著性：CSD@15 的 t 統計值為 1.56，p 值為 0.125，表明其對勝率的影響在統計上不顯著。
- XPD@15 的顯著性：XPD@15 的 t 統計值為 1.72，p 值為 0.091，同樣表明其對勝率的影響在統計上不顯著。
結論與洞察
- GD@15 作為關鍵指標：GD@15 與勝率具有顯著的正相關性，是預測玩家成功的重要早期指標，並具有統計顯著性。
- CSD@15 和 XPD@15 影響有限：CSD@15 和 XPD@15 與勝率的相關性較弱，且在統計上不顯著，表明相較於 GD@15，它們對玩家總勝率的影響有限。
立即試用 ChatElite AI！
ChatElite AI 是一個無需撰寫程式的 SaaS 平台，通過自然語言交互實現數據分析。該平台可同時分析超過 1,000 個文件，支持 SQL、PDF、CSV 和 Excel 格式，並提供附帶參考資料的洞察結果，確保透明度。功能包括進階視覺化、自動化報告以及智慧問題建議，幫助用戶更深入地理解數據並發掘新視角。
如果您想了解更多關於 ChatElite AI 的資訊，請訪問：利用AI數據分析喚醒沉睡數據的價值
