上回数据冰山发布的
《TI7伤害之王》
和
《TI7小组赛英雄数据报告》
收到冰友反馈：
我是过来人，道理我都懂。大家其实是希望我给
一个故事完整、过程清晰、内容详实的DOTA2数据分析例子
，这样学起来才会有顺藤摸瓜的感觉，比起摸着石头过河，能够少踩一些坑。
既然如此，我也只好收拾一下自己的懒癌，再满足大家一次。
本文叙述结构按照数据分析师的工作流程来：
-
提一个值得分析的问题（中路一塔到底有多重要？）
-
获取数据源（手把手演示如何使用python调用API获取需要的数据）
-
确定方法论（统计推断statistical inference），处理数据，得出结论
【注意：在数据分析师的实际工作过程中，顺序可能颠倒，也可能重复多次】
一、提一个好问题
会提问、提好问，是数据分析师最重要的技能之一。
大家平时听讲座，经常看到演讲者眼冒精光的对某个提问者说：“你这个问题提的非常好！很有水平！（加鸡腿）”。演讲者觉得问题好，是因为这个问题触及了事情的本质，回答好这个问题，就可以把事情说清楚。
和他问自答的演讲者相比，自问自答的数据分析师自由度更高，
更需要借一双慧眼，在纷繁复杂的数据和千头万绪的可能性之中，找到最接近真相的那些问题
。
本文提出的问题是：DOTA2这款免费游戏的中路一塔有多重要？
喜欢看比赛的朋友，对这个问题应该不陌生。主播解说比赛时经常讲：这个中路一塔绝对不能放！这个塔放了之后，视野黑一大片，活动范围减小，打钱空间被压缩...就不好打了！那么，主播们说的对吗？如何衡量中路一塔的重要性？
在DOTA2的世界里，所谓「重要」，只有两个字：能赢。比如刀塔中最重要的建筑毫无疑问是基地——因为基地一炸，比赛就结束了。
如果我们可以把「先拆掉敌方中路一塔」和「比赛胜负」联系起来，就可以得出答案
。按这个思路，对每场比赛，我们需要的数据是：
-
哪一方先拆掉敌方中路一塔
-
哪一方赢得了比赛
二、获取数据源
如何获取一场比赛的「拆塔信息」和「比赛胜负」？
上篇文章讲过，可以调用
OPENDOTA
提供的API来获取公开比赛数据。查阅API接口文档后，发现有一个名叫matches的api提供了一场比赛（match）的详细信息。我们需要的数据很可能在api返回的结果里。
我们不妨找一场比赛调用这个API试一下（反正又不要钱），看看它到底提供了哪些数据。以刚刚结束的长沙MDL MAJOR最后一场比赛为例（LGD夺冠那场），它的比赛编号（也就是调用api要传入的参数：match_id）是3903099199。
同学们
不要紧张
，现在还不用写代码。
这种webapi是可以在浏览器中调用的。只需要按API的接口说明构建出网址
api.opendota.com/api/ma
，然后把链接复制到你常用的浏览器中，按回车就可以得到结果：
为什么数据这么多？平时打完一局DOTA2，赛后统计数据没这么多啊？
同学们
不要紧张
。Opendota提供的matches接口，不仅返回了「基础赛后统计数据」，还包含了许多「通过解析录像得到的游戏中数据」。以防御塔数据为例，基础的赛后统计数据只能告诉你
比赛结束时，双方队伍的防御塔存亡状态
（哪些拆掉了，哪些还在）；而解析录像得到的游戏中数据，
可以告诉你每座塔是什么时候被谁拆掉的
。
如果你愿意，你甚至可以通过解析录像知道拆塔的过程中，每一个英雄每一下A出了多少伤害。也就是说，DOTA2这款游戏的数据源很开放（其他类DOTA游戏没法比），这也正是我在市面上已经有非常多数据分析入门教程的前提下，执意要写「DOTA2数据分析入门」教程的原因——因为对大家来讲，那些教材使用的数据源都不对口，学起来很容易半途而废（特别是基础不好的朋友）。
而DOTA2这款游戏内涵丰富，可以分析的维度很多，如果你本身是一名刀塔玩家，使用DOTA2数据源来学习数据分析，学习过程一定会很愉快
。
比如，当你看到上图中的「"radiant_win":false」时，你一定会知道radiant表示天辉，所以radiant_win就是天辉胜利，合起来就是：天辉胜利为假，那就是夜魇（Dire）获胜咯！（如果不放心，你可以找第三方数据产品验证一下）
是不是很简单？
接下来我们在API返回的结果中寻找第二个数据「拆塔信息」。经过一番折腾（比如搜索关键字"tower"或者"building"），我们可以发现数据出现了一些奇怪的东西：
-
npc_dota_goodguys_tower1_mid
-
npc_dota_badguys_tower1_mid
-
npc_dota_goodguys_tower2_bot
-
npc_dota_goodguys_tower3_top
tower1是什么鬼？一塔？mid\bot\top是中塔\下塔\上塔？那goodguys和badguys是不是天辉和夜魇？？？
是的，上面的猜测都是对的，V社就是这么任性（不好好用radiant，还要搞个goodguys...）。
所以，上图中的两条拆塔信息是：
-
名叫npc_dota_hero_gyrocopter（矮人直升机）的单位，于20分10秒，拆掉（反补）了天辉方的中路一塔。
-
名叫npc_dota_hero_gyrocopter（矮人直升机）的单位，于20分37秒，拆掉了夜魇方的中路一塔。
如果你不放心，仍然可以用第三方数据产品（DOTABUFF、OPENDOTA、刀魔数据等）来验证数据的准确性：
OK，到现在为止，我们终于获取了LGD对阵VGJ.S的第三局所有想要的信息：夜魇方先拆掉天辉方的中路一塔，夜魇获胜。
但是，使用浏览器调用接口，人工统计信息的操作会很麻烦（比如你想查询100场比赛的信息，估计眼睛都要看瞎）。
接下来我们必须开始写代码了
。关于代码有两点说明：
写代码的时候，我们可以再简化一下，把「拆塔和比赛胜负的联系」用一个bool类型表示。比如我们可以写一个名叫is_destroy_mid_tower_induce_win的函数，对每一场比赛（用match_id标识）返回：
-
True，表示先拆掉敌方中路一塔的队伍，取得了胜利
-
False，表示先拆掉地方中路一塔的队伍，遭受了失败
-
None，表示获取不到数据（录像损坏或者解析出错）
三、处理数据，得出结论
孤证不立，一场比赛的情况不足以反映规律，我们需要看更多比赛的数据。DOTA2进入7.0时代以来，一共打了13574场职业比赛（可用下图的SQL在
OpenDota - Dota 2 Statistics
上查询）。
难道我们要把1万3千多场比赛的信息都弄下来？这样做确实可以，但是太耗时间了——OpenDota提供的API限制访问速度是1分钟60次，也就是需要4个小时才能获取这些比赛的信息（而且代码没有处理网络异常，很有可能跑到一半就GG了，重来又是4小时...）
怎么办？
这个时候就需要一些统计学知识了
。我们先
随机抽取
200场比赛看看情况。
200场比赛的结果是这样的：
62.6%！意思是只要先拆掉敌方中一塔，就有6成以上的胜率？
不好说，因为这只是107场比赛的数据（总共有1万多场比赛），比如我们再重新抽107场比赛，结果很可能会不一样
。那么问题来了，这个62.6%的可信度有多高？
这需要用到「统计推断」的知识（推荐一本书《OpenIntro Statistics》）。我们采样的每场比赛之间相互独立，同时正负样本的数量都大于10（说明采样结果的分布没有严重偏曲）。根据「中心极限定理」，采样结果的分布近似服从正态分布。
先算出标准差为0.047，然后算出95%置信区间为[53.4%, 71.8%]。
也就是说，根据107场抽样比赛来看，我们有95%的把握：先拆掉敌方中路一塔的队伍，获胜概率在53.4%~71.8%之间
。
