Valorant

Introdução

Valorant é um jogo tático de tiro em primeira pessoa desenvolvido pela Riot Games que foi lançado oficialmente em 2 de junho de 2020. Possui um estilo parecido com Counter-Strike, é um jogo 5x5, possuindo 2 times, o time atacante e o defensor, o objetivo do time atacante é plantar uma bomba num local determinado, e o do time defensor é impedir o time atacante de cumprir seu objetivo, ou desabilitar a bomba caso plantada, caso um dos times mate completamente os jogadores do outro, também é considerado vitória desse time. Uma partida é dividida em 25 rounds, é sorteado um time e os 12 primeiros rounds esse time fica do lado atacante, enquanto o outro é o defensor, depois é trocado os lados. O primeiro time a fazer 13 pontos, vence.

Um mês após seu lançamento, a Riot Games também lançou uma API Valorant, que foi distribuída apenas para alguns desenvolvedores de produtos e a maioria dos dados não é acessível ao público. No entanto, ainda temos uma maneira de obter dados de partidas oficiais, e isso é graças ao vlr.gg, um site que registra partidas oficiais e estatísticas de jogadores, fazendo o scrapping dos dados em tempo real.

Com esse dataset podemos gerar análises, tanto de jogadores, como de times ou até mesmo de agentes (personagens) do jogo. Gerando um relatório e podendo ser, até mesmo, procurado padrões de agentes em determinadas partidas, ou a correlação entre os agentes e número de mortes, abates, etc.

Conteúdo

O conjunto de dados consiste em dados dos resultados da partida e estatísticas do jogador de vlr.gg extraídos em 24 de dezembro de 2021. Os dados de partida mais antigos que puderam ser extraídos com sucesso foram em 14 de junho de 2020. A API original criada pode ser encontrada em https://github.com/axsddlr/vlrggapi, enquanto a versão editada para gerar esse dataset pode ser encontrada em https://github.com/fnurrahmadi/data-science-portfolio/tree/main/vlrgg%20Unofficial%20REST%20API%20-%20updated.

Explicação das colunas:

GameID - Identificador único da partida
PlayerID - Identificador único do jogador
PlayerName - Nome do jogador
TeamAbbreviation - Sigla do time ao qual o jogador pertence
Agent - Agente (personagem) escolhido pelo jogador naquela partida
ACS - Average Combat Score (Pontuação média de combate), uma pontuação dada pelo jogo baseado nos seus combates, quanto maior, melhor
Kills - Número de vezes que abateou outros jogadores
Deaths - Número de mortes do jogador
PlusMinus - abates menos mortes (Saldo)
KAST_Percent - Percentual de rounds que o jogador abateou, deu assistência, sobreviveu ou “foi trocado”. (Kill, Assist, Survived or Traded) (“Ser trocado” é o conceito de assim que o jogador foi morto por alguém, imediatamente outro jogador matou o inimigo)
ADR - Dano médio por round (Average Damage per Round)
HS_Percent - Percentagem de tiros na cabeça (HeadShot)
FirstKills - Número de rounds da partida o qual o jogador foi responsavel pelo primeiro abate
FirstDeaths - Número de rounds da partida o qual o jogador foi o primeiro morto
FKFD_PlusMinus - FirstKills menos FirstDeaths (Saldo)
Num_2Ks - Número de rounds o qual o jogador foi responsavel por 2 abates no mesmo round
Num_3Ks - Número de rounds o qual o jogador foi responsavel por 3 abates no mesmo round
Num_4Ks - Número de rounds o qual o jogador foi responsavel por 3 abates no mesmo round
Num_5Ks - Número de rounds o qual o jogador foi responsavel por 5 abates no mesmo round
OnevOne - Número de round que o jogador ficou na situação 1 contra 1 (apenas 2 jogadores vivos, um de cada lado)
OnevTwo - Número de round que o jogador ficou na situação 1 contra 2 (apenas 3 jogadores vivos, ele contra 2)
OnevThree - Número de round que o jogador ficou na situação 1 contra 3 ( 4 jogadores vivos, ele contra 3)
OnevFour - Número de round que o jogador ficou na situação 1 contra 4 ( 5 jogadores vivos, ele contra 4)
OnevFive - Número de round que o jogador ficou na situação 1 contra 5 ( 6 jogadores vivos, ele contra 5)
Econ - Nota de economia dada automaticamente pelo jogo, quanto maior melhor
Plants - Número de vezes que o jogador plantou a spike (bomba)
Defuses - Número de vezes que o jogador defusou (desativou) a spike (bomba)

Pacotes requeridos

library(dplyr)
library(plotly)      
library(tidyr)
library(DT)

Preparação de dados

# Os dados foram tratados e tirados de um SQLITE, possivel encontrar ele na aba "Conteúdo"
df<-drop_na(read.csv("https://raw.githubusercontent.com/MrRodrix/VisaoComputacional2021.1/main/Game_Scoreboard.csv"))
datatable(head(df))

Análise de Jogadores

df_grp_region = df %>% group_by(PlayerName)  %>%
                    summarise(mean_ACS = mean(ACS),
                              total_kills = sum(Kills),
                              mean_kils = mean(Kills),
                              total_deaths = sum(Deaths),
                              mean_deaths = mean(Deaths),
                              total_assists = sum(Assists),
                              mean_assists = mean(Assists),
                              mean_hs = mean(HS_Percent),
                              .groups = 'drop')

datatable(head(df_grp_region))

Análise de Personagens

df_agents = df %>% group_by(Agent)  %>%
                    summarise(mean_ACS = mean(ACS),
                              total_kills = sum(Kills),
                              mean_kils = mean(Kills),
                              total_deaths = sum(Deaths),
                              mean_deaths = mean(Deaths),
                              total_assists = sum(Assists),
                              mean_assists = mean(Assists),
                              mean_hs = mean(HS_Percent),
                              n_games = n(),
                              .groups = 'drop')
datatable(head(df_agents))

Análise de Times

df_teams = df %>% group_by(TeamAbbreviation)  %>%
                    summarise(players = sum(PlayerID),
                              mean_ACS = mean(ACS),
                              total_kills = sum(Kills),
                              mean_kils = mean(Kills),
                              total_deaths = sum(Deaths),
                              mean_deaths = mean(Deaths),
                              total_assists = sum(Assists),
                              mean_assists = mean(Assists),
                              mean_hs = mean(HS_Percent),
                              n_games = n(),
                              .groups = 'drop')
df_teams['player_count'] = 1
datatable(head(df_teams))

Análise Exploratória

Jogadores

Jogador:

1TaPGoD 1van AbusedNudle Acerola Acetics Add3r ade ADRENALINE adrnking adukaaaa agility AGO Agr0 Aiko Akashi aLerT Alfajer Ali AlphaFly alvar alyaL amnesia AmR ApeX Apoth aproto ARES ART1C aru Aryu Asuna AtaKaptan Aura Avez Awkua AYRIN azez azm Azuura azys b0i b0ji B2 b3ta Baby BABYBAY BabyJ BadmaN BALLI ban bananastrangler bang Bankroft Bape Bawn bazix Bazzi BcJ bdog Bear BearZ BeasT bêk0 benaf bENITA beo BerserX Bewd Binks Black BlackHeart BlackMoose Blahst Blas blaZek1ng BMV Boaster Bobovo BODA Boltzy BONECOLD BORKUM BraiNfreeZe braveaf BuLL3T bungee Burzzy Busterrr BUTTSAHAB BuZz C0M C2ation Cactus caders CallMeMar Campion carlos ChAlalala chanse Chavez cheatcode Chef chrollo Chronicle ChurmZ clawdia Click cNed Coach Cohburg coldy CombatRy Complex contii corey corr0 CortezZ CorvetteGaming crashies Crazymojo Crit CrosshaiR Crown Crws CuzPuncakes d1msumboi d3ffo daddychill DaFt Dagr1s dapr Dark3st Darrick dazzLe DBK DeadInk DEATHLESS deLb delz1k demon dephh Depyro Derek Derke Derrek dESTRUCTIVEE diaamond dino dip dispenser doc doma DominiK Dopai doris DubsteP DubzWoW duck dustee Dykaz dynamic eddshot effys egaR EJAY Eley EliEsS Elite Emman Enjoy erkaSt Ethan ethos evaD eVoL Evon Exotic ezzy f1cio FIEND FireBallOps Fisker FIVESTAR Fl1pd fl1pzjder Flaring fletcher Flippsy flippy Flonson FNS Fonder foxz fr0st Fractured Frager Frebik frostmind Frosty frz fud furbsa furislayer Genghsta Georggyyy gin GLYPH gMd Gonchz gothchild Governor Greed gtnJESUS gucc107 Habib hany Hatz Hawk HeadHunter Heero HellrangeR Hiko Hoax hoot HSB huliolio HuNtR Huston hybrid hydra hyjinx hyunseo Hyzee hzINSANE icy iKoniK instinct intox JA jakee Jamppi JAMTER Jangler jayde jcrueL JDawnX Jeba jEEE Jerk JessieVash jeyj7y JGM Jlerst JN JoBa Joeyy JohnOlsen jonx joshh JoshS JSauls JSP JUST_IN JxN K1LLERS k1Ng kael Kakarot Kanpeki KappA Karizmah Kasper Kay kaz keenc Kenny kev keznit Khalil khanartist Khattak Kiles King KingOfDeath Kip kipp Kishi Klamran Klaus KLF Kohliii konoxians koosta Korsonix kouhai KriminaL Kryptic KryptWalk Kush kw0nst3r Kyro L1NK laddermoves Lakia LAMMYSNAX lauzen LaylaNotToxic Lazee leaf leak Lethila Lightningfast Lin LocoPie Logic Lok1 lotuss Lou Louda LUCAS M4rco m4xikk Maanish mada mag0o magl0r MAGNUM MaKo Malice Marved Marw0ll Masic Mast3r MateNiles MaTryXs Mazin Mazino MEDC Medusa Menace meodayngu MICKNUTTY333 micr0 mina Mistic miszero mitch mobi mocking modeskiii Moechilla Mojo Money monSi moose Morgausse MorningStar MrFaliN MSK Munchkin Mykoz MYnhX N33K nabil NagZ NamGoku Nanners nAts NaturE naTz nautic Nautilus nawngus Neon neptune nerve neth Nhatthong2k Nick niffy Night nitr0 Nivera Noisy nomfu Nozwerr nPanda NukeProphet Nurfed Oderus ohai Okin OnHeAd OuTLaW OXY Paincakes Pam PapiChulo PaRaDoXks Pashasahil PateK Patiphan penny perseverance peter phaze Philip Piano PikaStrikee Pingfu PinOcchiOs Pix plat1num Playboi pnk POISED poiz potatolover23573 PrimeMCD Pro Protagonist PTC PUMPPPPPPPPPPPPP PureR pureVNS Quick Quv3n randyySAVAGE Rano rasu rate Rawkus Rb re1sxd RealB Rebo Redgar RedKoh Redneval Reduxx reece RelliK ren renz RESHURA RetrQ Rev0lv3r rexxtoned rheat RiceballiNNN ricky RieNs riku rise Riza RockeT Roki ROOMPA Rosé Rossy royal ruffian runi Rustun saadhak sacred Sacy sae saizen Sand SaucetiN scÂtro ScreaM ScrewFace Scrounge sean serg SexyChristian SH4KA ShahZaM Shalaby Shalz shanee Shanks Shawn Shehab sheydos Shifty Shiro Shniider shooterR ShoukR shouta SicK SimplyQ101 SkaNoodles skillZ SkRossi skuba skylen Skywallerrrr Smgm smiley Smokey snxper Soba Social Softy sogo soulcas soulM8 SoyAnthony Sozi Sp1ke spaz SpYzera squishy squishys Squllll sScary sSef stallion stare starlight starxo stax Stealthy stellar stig Storax strixx Stronglegs stunna sturNNcya STYRON subbey Suka sundaez supA supamen SuperBusS supermonkey Sushiboys sutecas syfi Synergy Tairany TEAGUE tech Teddy tehbotoL Temperature TenZ TERNOS tesseract theDoctorr thief THOOMER TiGG Tillo Tkaz ToastyUnicorns toozy Tora Torrify tozz tr1ck traNz Trick trunkZ tryst tylo tyti unae Uncreative Unnlucky V0NS vanity vasperaL venture Verno Victor Virtyy Vlady vo0kashu Vorteez VPNCNP WA7iD WaspV2 WhoFramedMe wippie Witz Wo0t wondRRRR woozie wraith wubby xand xavi xenp1o Xeppaa xeta XXiF Y2J YaBoiDre yay YESicaN Yoshi yT ZachaREEE zeek zeeq ZEKEI zekken zeldris Zellsis Zento ZerG ZexRow zhan zill zizox zombs ZoX Zukk1niW zyad zyf Λero

KDA

First Kills/Deaths

Spike (Bomba)

Agentes

ACS Médio

df_agents = df_agents[order(df_agents$mean_ACS, decreasing = T), ]
df_agents['Agent'] = factor(df_agents$Agent, unique(df_agents$Agent))

plot_ly(y=df_agents$mean_ACS, x=df_agents$Agent, type='bar')%>%
        layout(title = 'Média de pontuação de combate por agente', plot_bgcolor = "#e5ecf6")

Média de kills

df_agents = df_agents[order(df_agents$mean_kils, decreasing = T), ]
df_agents['Agent'] = factor(df_agents$Agent, unique(df_agents$Agent))
plot_ly(y=df_agents$mean_kils, x=df_agents$Agent, type='bar', name = 'Média de abates por agente')%>%
        layout(title = 'Média de abates por agente', plot_bgcolor = "#e5ecf6")

Média de deaths

df_agents = df_agents[order(df_agents$mean_deaths, decreasing = T), ]
df_agents['Agent'] = factor(df_agents$Agent, unique(df_agents$Agent))

plot_ly(y=df_agents$mean_deaths, x=df_agents$Agent, type='bar',name = 'Média de mortes por agente')%>%
        layout(title = 'Média de pontuação de mortes por agente', plot_bgcolor = "#e5ecf6")

Média de assists

df_agents = df_agents[order(df_agents$mean_assists, decreasing = T), ]
df_agents['Agent'] = factor(df_agents$Agent, unique(df_agents$Agent))

plot_ly(y=df_agents$mean_assists, x=df_agents$Agent, type='bar', name = 'Média de assistências por agente')%>%
        layout(title = 'Média de assistencias por agente', plot_bgcolor = "#e5ecf6")

Média de headshots

df_agents = df_agents[order(df_agents$mean_hs, decreasing = T), ]
df_agents['Agent'] = factor(df_agents$Agent, unique(df_agents$Agent))

plot_ly(y=df_agents$mean_hs, x=df_agents$Agent, type='bar', name = 'Média de headshots por agente')%>%
        layout(title = 'Média de headshots por agente', plot_bgcolor = "#e5ecf6")

Uso em jogos

plot_ly(values=df_agents$n_games, labels=df_agents$Agent, type='pie', title = 'Uso de agentes em partidas')

Times

Team:

100T 303 3BL ACE AE Akre APH Arrow ASP BA BBG.A Bjor BME Boos BRN Brol Bull C9 C9A CES cism CL CLB CLG CoT CR Dark Disc DOM DRX DXG EF Ex-D ex-FB ex-L ex-S F5 FaZe FB FEAR Fire FL Flui FNC FS FU FUR GAL GE GEN GFS Gift GMB Guns HNX Hugh Icar Icon IluZ KGM Kowa KRÜ LFTv LG LT MEAP Mina Mugi N9 NASR Neme Nigh NV Oni OS Pho PK PK.A Proj RAAD RAD REG Rise RNG Rose Salt same SBE SEN SHB SP Squi SUPE Surr T69 Tact TB TBG TE Team The TI TIE TL TODAK TR Tras TS V1 VALK Valo VKS VL VRT W waff X10C XSET YFP Zeni ZMM.B

KAST

ACS

Economia

Conclusões

Pode-se constatar através dos gráficos a distribuição dos desempenhos dos jogadores dos times, assim como os desempenhos individuais, além da escolha de personagens feito pelos jogadores profissionais. Esses dados puderam ser analisados e obtidos através de uma análise tanto comparativa quanto descritiva dos dados.
Alguns dados importantes que foram extraídos, por exemplo, foi o dado que: Mesmo o jogo tendo 16 agentes, a distribuição da escolha dos jogadores profissionais está focada em 5 principais que concentram 65.88% das escolhas dos pro-players. Outra análise interessante foi a discrepancia do número de assistências do agente Kaio para com os demais, isso pode se dar pelo fato de todas as habilidades do personagem possuirem caracteristicas que são mais puxadas para a assitência que o abate em si, porém ainda é um fato interessante pois a Skye, possui somente habilidades de assistencia, não chegou nesse valor, mas é a mais escolhida dentre os pro-players.
A análise ficou limitada até o ano de 2021, podendo ser expandida até os dias atuais, também pode ser enriquecida com dados de vitórias/perdas de jogos e ou/rodadas, além do uso de quais armas os jogadores compraram em cada round e como foi sua movimentação no mapa ao longo do game.