该数据集提供了 2025 年收集的有关英雄联盟比赛的详细信息。它涵盖了游戏的各个方面，包括玩家统计数据、团队表现和比赛元数据。该数据集非常适合统计分析、机器学习项目和电子竞技研究。
数据是使用查询官方 Riot Games API 的自定义 Python 脚本获取的。此脚本从单个玩家的 PUUID 开始，然后扩展到比赛参与者，从而自动检索数据。如果您想复制或扩展此数据集，可以在此处免费获取该脚本：https ://github.com/Blizzeq/league-of-legends-data-collector
主要特点：比赛详情：游戏时长、模式（例如经典）、游戏版本和地图标识符。
玩家统计数据：包括击杀数、死亡数、助攻数、造成的伤害数、获得的金币数、购买的物品以及最终的游戏统计数据（例如魔法抗性、移动速度、法力回复）。
团队数据：了解团队表现和比赛结果。
数据集概述
94 个属性捕捉全面的比赛和球员数据。
平台： EUN1（欧洲北欧和东部服务器）。
使用案例
对个人球员和球队的表现进行分析。
游戏中的预测模型和机器学习应用。
了解竞技游戏中玩家的行为和策略。
文件格式：
数据集以.xlsx文件格式提供，该文件格式受到电子表格软件（例如 Microsoft Excel、Google Sheets）和编程语言（例如 Pythonpandas或 R）广泛支持。
内容：
该.xlsx文件包含一个名为 的工作表league_data.csv，其中包含英雄联盟游戏的详细比赛统计数据。该文件的结构为一个表格，包含 94 列和多行，其中每行代表比赛中的单个参与者。
主要特点：
图纸名称： league_data.csv
列数： 94
行数：取决于数据集大小，其中每行对应特定游戏中的参与者。
结构：
每行代表特定比赛的参与者的数据，而列则捕获与以下内容相关的详细属性：
比赛元数据：游戏ID、开始时间、时长、模式、地图等。
玩家表现：击杀数、死亡数、助攻数、金币收入、造成的伤害，以及移动速度、抵抗力等最终统计数据。
队伍信息：队伍ID、胜/负结果。
游戏内统计数据：购买的物品、吸血鬼统计数据、能量再生等等。
兼容性：
可以使用以下工具轻松加载和分析该文件：
Microsoft Excel 或 Google Sheets：用于基本探索和可视化。
Python（带有 pandas）：用于高级分析和处理。
R 或 MATLAB：用于统计分析或建模。
用法：
您可以将此文件用于多种用途：
分析个人或团队表现。
为电子竞技数据建立预测模型。
产生有关游戏策略和玩家行为的见解。
比较比赛间的趋势。
笔记：
如果在电子表格软件中打开大文件，请确保小心处理，因为行太多可能会导致性能问题。
遵守 Riot Games 关于使用英雄联盟数据的条款和政策。
