在地圖上跑了10分鐘，一個人都沒看到，就莫名其妙地死了，吃雞有了新名字“到底死在哪”。
吃雞是不可能吃到雞，這輩子都吃不到雞，槍法不準，又不會蛇皮走位，活下去靠的是中華民族傳承的堅持精神。
魚君苦心研究，用Mathematica對70萬局吃雞遊戲做數據分析。在海量數據分析下，如何做到把把吃雞
運氣不錯，我們在Kaggle上拿到了PUBG數據集，總共是72萬次擊殺數據，其中包括了擊殺玩家與被擊殺玩家的位置、具體原因（槍械、車輛）、具體擊殺時間、排名等信息，拿到數據後，開始做具體分析研究。
72萬次擊殺數據，數據樣本巨大，單個CSV文件已經大約4個G，如果用Mathematica的import 函數是行不通的，系統都會崩盤。因此，魚君用底層的文件流一行行輸入數據，系統讀取完數據之後立刻處理數據，釋放內存，只有這樣才可以讀取數據。
下圖代碼提供了importfirst函數，這裡可以讀取CSV文件的前N行，輸入的是一個文件流對象：
蛇皮走位，操作風騷
當我們拿到具體數據之後，有了三個驚天動地的發現！
- 房屋死角提高30%的生存率
在吃雞中，如果你不想被人輕易看到自己的位置，就需要學會充分利用地形。舉個例子，如果你想悄悄溜到房子底下，那麼橙色的路線是最好的選擇，因為相比較於窗戶的位置來說，橙色路線的角度十分刁鑽，為一個視覺死角，這個死角擊殺概率最低！
在數據集中，我們拿出兩項數據做分析，即擊殺者位置和被擊殺者位置。
利用跑出來的數據，我們計算方位角度：
我們將數據代到上方的公式中，得到了一個圖（即圖中距離原點越遠，則該角度擊殺的概率越高）
該圖形近似一個旋轉了45度角的正方形，這意味著在東南西北四個角的擊殺概率高，但是四個角之間的方向，即房間裡的死角方向，擊殺概率低。
也就是說，當我們想靠近房子的時候，最好選擇從房屋的四個死角進入。在統計學的結果來觀察，這些角度的安全性更高，至少比其他角度高出30%。如果在一把吃雞中需要接近三次房屋，則至少提升65%的生存概率！
2.新手要避諱的十個死亡區域
在整張地圖中，存在著死亡率極高的十大死亡孤島。在這些區域中，玩家的死亡率明顯高於其他區域。如果是吃雞新手，這幾個地方千萬不要去！
魚君用Mathematica中的DensityHistogram函數，繪製了兩個地圖的死亡地點分佈圖：
兩張地圖中，紅色標記的點越多，則代表擊殺數越多。現在，我們設定一個闕值來處理圖片，即當死亡數高於該值，就判定為危險區域；若低於該值，則判定為安全區域。經過處理後的兩張圖如下：
雖然獲取的信息量少了，但是我們捕捉到的有效信息卻多了。簡化後的圖片，能夠將核心的信息充分體現出來。
在海島地圖中，左下角儘管有很多房屋，但是危險區域並未集中於此。很可能是因為在這裡的資源比較少，新手們可以多活躍在這塊區域。玩家有了上面兩張簡化圖，則可以大大提高生存率。如果想苟活著，則多在簡化圖的暗區活動，危險係數小。如果想轟轟烈烈，可以考慮去明區火拼。
3.擊殺並非隨機事件
什麼是擊殺隨機性？即認為相鄰的幾次擊殺之間有無關聯。舉個例子，存在一個機制，能夠使擊殺時間更加容易地集中起來。比如，你在某一個地方擊殺了一個玩家，槍聲是否會引來其他玩家，從而提升了你被擊殺的概率？
在數據集中包括了擊殺時間的數據，我們根據擊殺時間作為一個切入點。首先，我們查看一下擊殺時間間隔分佈情況，即根據其不同長度的時間，出現概率不同。例如說，可能兩次擊殺時間間隔為1秒概率為10%，兩次擊殺間隔為10秒為1%。
魚君在對數座標上繪製一張時間間隔的分佈圖：
對數座標中，分佈圖呈現出直線的結構，這就意味著擊殺事件可能是隨機的！因為若使用一個隨機生成的序列，則每一個事件的發生時間都是隨機數，我們得到的間隔，它的分佈為指數分佈。
隨後，對全部的間隔數據進行獨立測驗，如下圖：
我們使用independence test 對間隔數據開始檢測，得到下列結果：
讓我們來看P—Value ，P—Value值很小，這就代表在各個假設檢驗的前提之下，都一致判定為擊殺事件都不是隨機的！
結果，與之前相悖，為了進一步確定結論，我們對擊殺時間間隔分佈圖再做進一步分析：
我們可以發現，數值很小的地方，其分佈已經偏離了指數分佈。我們將該部分數據做進一步提取，檢測結果發生了很大變化：
P—Value得到了明顯提升，高達26%！仔細觀察時間間隔小於20個時間單位分佈，如下圖：
在0—1中有一個峰值，但是在其他的位置中，仍然是冪律分佈結構。如果我們去掉等於0的值，則該圖就沒有峰值了。接著，知於在做一個相關性實驗：
該P—Value大部分的值都很小，但是在Blomqvist beta測試中超過了0.05闕值，即代表在線性相關方面，獨立性不夠明顯。
因此，擊殺事件不是隨機的，儘管有間隔分佈符合指數分佈，但是關聯性很弱。
最後，魚君祝大家，今晚吃雞，大吉大利！
閱讀更多 知於大數據分析 的文章
