高级可视化图表分析实践——以《大侠立志传》武器系统为例

引言

引言：当武侠世界遇见数据可视化
在开放世界武侠游戏《大侠立志传》中，武器系统是构建角色成长体系的重要模块。本文将以游戏内192件武器数据为样本，通过5种高级可视化图表（矩形树图、蜂群图、桑基图、词云图、离散热力图），深入解析武器系统的设计逻辑，同时熟悉高级可视化图表的制作（python）和作用。

武器类型分布

矩形树图

所有品级武器数量分布

甲级武器数量分布

乙级武器数量分布

丙级武器数量分布

丁级武器数量分布

结论

• 剑和刀是最常见的武器，剑和刀各有24个，是图中数量最多的两种武器类型。
• 锤、长弓、火焰令和笑傲江湖的数量非常少。锤有2个，长弓有1个，火焰令有1个，笑傲江湖有1个。
• 整体分布不均匀，少数几种武器占据了较大的比例，而其他类型的武器则相对较少。

不同品质/类别武器的攻击力分布情况

蜂群图

分析结论

• 品质越高，攻击力普遍越高。
• 丁级武器攻击力整体偏低。
• 武器类型对攻击力分布的影响不大，相同品质下攻击力整体相同。

武器来源

桑基图

分析结论

• 品级越高（甲、乙），获取方式越依赖 任务/事件 或 战斗掉落，符合高风险高回报机制。
• 品级越低（丙、丁），获取方式越依赖 合成 或 商店，可能为普通或基础装备。

武器附加属性

词云图

分析结论

多个攻击类词汇集中在中心且字号较大，说明攻击强化是武器属性的主要设计方向。

不同品级武器装备熟练度要求/特质要求

离散热力图

结论

品质与熟练度的正相关性

• 趋势：品质等级（丁→丙→乙→甲）与所需熟练度呈显著正相关。
• 丁级：熟练度普遍为 0-5。
• 丙级：熟练度提升至 5-10。
• 乙级：熟练度显著提高至 40-50。
• 甲级：熟练度达到 80-150。

品质与熟练度的非线性关系

• 跃升式增长：从丁到丙、乙到甲的熟练度增幅更大（如丁→丙：+5；乙→甲：+30-110），说明高品质装备对熟练度要求陡增。

装备品质与需求特质的正相关性

• 随着装备品质从 丁→甲 升级，需求特质值显著增加
• 丁级、丙级装备：普遍无需求特质。
• 乙级装备：开始有需求特质值，大多数装备需求特质值要求3，少数要求5。
• 甲级装备：大多数装备需求特质值达到10，少数装备要求8或15。

不同装备类型对需求特质的类型要求

1.物理近战武器（拳掌/剑/刀/枪/棍）​：
​核心特质​：臂力、体质、敏捷。
​具体分布​：

• ​拳掌类​：以臂力为主（3/6），其次是体质（2/6）和敏捷（1/6）。
• ​剑类​：臂力（4/8）和体质（3/8）并重，敏捷次之（2/8）。
• ​刀类​：体质需求最高（4/7），臂力（2/7）和敏捷（2/7）均衡。
• ​枪类​：臂力（2/4）为主，体质（1/4）和敏捷（1/4）辅助。
• ​棍类​：完全依赖臂力（4/4），无其他特质需求。 ​

规律​：
物理武器普遍需要臂力​（力量型输出），部分依赖体质​（生存能力）或敏捷​（灵活性）。棍类因高力量需求成为臂力特化武器。

2.轻型武器（匕首/扇子/短兵）：​​
​核心特质​：敏捷主导。
​具体分布​：

• ​匕首类​：敏捷占比最高（3/5），臂力（1/5）和体质（1/5）次要。
• ​扇子类​：特质分布较均衡（臂力、体质、敏捷各1/3）。
• ​火焰令/飞雪寒霜刃​：全部需求敏捷。

​规律​：
轻型武器更依赖敏捷​（快速攻击或闪避），部分兼顾臂力或体质。

其他武器（毛笔/琴/箫笛/琵琶）​​

• ​核心特质​：悟性、福缘。

• ​具体分布​： ​毛笔​：悟性和福缘各占一半。 ​琴/琵琶​：悟性（3/5）为主，敏捷（2/5）次之。

​规律​：
毛笔/琴/箫笛/琵琶需求的特质更依赖与悟性与福源。

使用python制作上述图表

矩形树图

import squarify
import matplotlib.pyplot as plt
import matplotlib.cm as cm
from pylab import *
mpl.rcParams['font.sans-serif']=['SimHei']
# 示例数据（类别名称和对应的值）
data = [10, 20, 30, 40]
labels = ['A', 'B', 'C', 'D']

# 生成颜色（根据值的大小映射到viridis色系）
colors = cm.viridis([x / max(data) for x in data])

# 创建标签（显示名称和数值）
labels_with_values = [f"{
     
     label}\n{
     
     val}" for label, val in zip(labels, data)]

# 绘制矩形树图
plt.figure(figsize=(10, 6))
squarify.plot(
    sizes=data,
    label=labels_with_values,
    color=colors,
    alpha=0.6,     # 透明度
    pad=True       # 矩形间留空隙
)
plt.axis('off')    # 关闭坐标轴
plt.title('矩形树图示例')
plt.show()

蜂群图

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

# 设置中文字体（Windows用SimHei，macOS用STHeiti）
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 生成示例数据
np.random.seed(42)
data = {
   
   
    '类别': np.repeat(['A组', 'B组', 'C组'], 50),
    '数值': np.concatenate([
        np.random.normal(90, 10, 50),
        np.random.normal(60, 15, 50),
        np.random.normal(75, 5, 50)
    ])
}

# 创建画布
plt.figure(figsize=(10, 6))

# 绘制蜂群图
sns.swarmplot(
    x='类别',
    y='数值',
    data=data,
    size=6,          # 点的大小
    palette='Set2',  # 颜色方案
    edgecolor='black',  # 点边缘颜色
    linewidth=0.5     # 边缘线宽
)

# 添加标题和标签
plt.title