【PUBG】PJCターム１を可視化してみる①

こんばんは。
PUBGの国内公式大会「PUBG JAPAN CHALLENGE」について、
ターム１の予選決勝が昨日終了しました。

PUBG JAPAN CHALLENGE

私も仕事終わり／休日に日々楽しく観戦させていただいており、
既にターム２や本戦が待ちきれない状態ですが、最近始めたnoteを活用する目的でざっくりとスタッツの可視化でもしてみようかな！と思っています。

扱うデータはTwireGGから取得しております( ・∇・)
分析で一番大変なデータ収集が一瞬で終わってしゅごいです。
（csvでダウンロード出来ないのでpythonやRに食わせるためにコピペの作業が発生しますが、、、）

◆総合順位について

SunSister圧倒ですね！
キル数が頭ひとつ抜けていて、全体の13%(153/1186kill)を占めています。
また、序盤の移動開始速度とキルptの獲得が特徴的で、
なんと第1フェーズに発生したキルの32％がサンシスによるものでした。(15/47kill)

もちろんポイントに余裕があり、リスクを冒しやすかったのはありますが、
t検定などせずとも有意とわかる差がありますし、序盤からアグレッシブなので見ててすごく楽しいチームです。
ルールが変わる本戦ではどういう戦い方にスイッチするのか注目です。

続く2位〜3位のAXIZとCYCLOPS athlete gamingは安定感がありました。
２チーム共にMAPの獲得ポイントに大きな差がなく(0.2~0.3程度）、他の14チームとはコンスタントにポイントを取れる対応力で違いを見せた20試合になりました。

とはいえ細かく比較すると順位ポイントの内訳に違いがあります。
AXIZはドン勝が最も多いことに加え、全体的な順位のばらつきが小さく、
勝ち切る力と中位以上で最低限ポイントを取り続ける力を兼ね備えるチームですが、一方のCAGは下位に沈むこともあるものの、チャンスのある試合は見逃さずドン勝を含む上位になることでその分を取り戻すポイント戦略になっていました。
どちらにせよ苦手な安全地帯やMAPが少なくメタゲームに強そうなことが
数値上は伺える2チームなので、本戦も期待です！！

最後に、勝負強さを見せ11位の当落線上を勝ち切ったMariner。

まず、スタッツを眺めているとこのチームはとても目につきます。
車両の移動距離や回復量など、MRNがトップ4人というような指標が多く、
パルスから受けたダメージ量では全体平均の4倍以上というすごい数字を出しています。
ダメージが大きいフェーズでも回り込みを使ったり、耐久ムーブを採用する試合も多く、コンセプトを持って取り組んでいるのが分かります。
本戦でもここまで磨いた戦術面を武器に台風の目になってくれると思います。

◆個人スタッツについて

続いて個人スタッツです。若林源三さんの投稿をお借りしました。

🔥PJC 予選決勝個人スタッツ

キル 44 🥇SST_CrazySam
与ダメ 393.9🥇SST_CrazySam
アシスト 27🥇SST_CrazySam
ノック 39 🥇SST_CrazySam
最長キル 576m 🥇DL_Oluty
HSキル 14 🥇SST_poly
生存 24.4 🥇AXIZ_ParMann
リバイブ 10 🥇RAX_minto04
歩行距離 1.8km 🥇SST_eguto
乗車距離 7.1km 🥇MRN_Seaf pic.twitter.com/GfmUcPePBX

— 若林源三@PUBG観戦勢 (@SGGK_genz0) May 17, 2021

個人スタッツは見るポイントが多いですが、今回はキル能力が高い選手を
明らかにする目的で、生存時間とキル数の関係を可視化します。
本戦へ進出したチームの選手を水色に、ターム2に回るチームの選手の色を黒色に着色した散布図を書いてみました。

当然ですが、長生きな選手程キル数も伸びており、正の相関が見られます。
試合数が少ない選手がおり、全体の傾向を見づらいので10試合以上参加の
選手に絞って確認をします。

回帰直線を引いてみます。
この線から上部に外れている選手ほど、キルと生存時間のバランスが
（いい意味で）歪んでいることになります。

PUBGというゲームの特性上、生存時間が長いとキルできる可能性も
指数関数的に増えていくので、生存時間が短くともチャンスを捉えてキルが取れている選手に着目すると…

このあたりの選手はこの決勝20試合についてパフォーマンスが高いと言えるのではないでしょうか。
（RX_xNissy52選手 / MRN_Pet選手 / QR_KimKaXhaxx選手 /MGC_Feaven選手）

直線からの距離が離れている選手をグループとして因子分析…等すると
捗りますが今回はデータの可視化が目的なのでここまでにしてみます。






続いて個人的に気になっているポイントである、移動をたくさんすることが順位と影響するのか…という問題について、チームの平均生存時間とチームの１試合あたりの車両移動距離を新しい特徴量として作成して、順位獲得ポイントとの相関を見てみます。散布図がこんな感じ。

サンプル過少なので信頼区間を広く取りましたが、負の相関が見られます。
やはり車両の移動時間が長いと順位ポイントも伸ばしづらかったようです。
安置中央をずっと取れている＝移動が少ないチームが順位は高くなることが直感ではなくデータでも説明されました。（先述のMRNは右端にちょこんといますが気づきましたでしょうか…）

ミリべ安置とかの特徴量入れて全チームの平均車両時間の長い試合のキルの分散状況とかみた方が良かったかも…センス△な可視化になってしまいました。_φ(･_･

スタッツは結果のデータ指標なので突き合わせるとマルチコという現象が発生しまくるのですが、乱暴な可視化と割り切って今回は無視しました。（順位が高いチームほど各指標が良くなります）

最後に

ざっくり可視化記事でしたが、いかがでしたでしょうか？
見応えのあるものになったいたら嬉しいです。
（集中力切れたので今日はここまで）
次は推しチームのMGCを細かく見てみます。

仕事ではなく、好きなことのデータ眺めるの楽しいですね〜
日々睨めっこしてる数字とは面白さの次元が違いました笑
アナリストの方々がとても羨ましいです。

週末が楽しみですね！全・力・応・援！！

#MGCWIN　 #ESSWIN