Analisando dados do CBLoL

Neste final de semana, dia 16/01/2021, o Campeonato Brasileiro de League of Legends, conhecido como CBLOL, retornou, mantendo o modelo não presencial, devido ao Covid-19.

Uma vez ouvi que a melhor forma de aprender algo, é unir o aprendizado com aquilo que você gosta, devido a minha paixão com o League of Legends e como estou aprendendo sobre análise de dados com Python, resolvi fazer uma pequena análise dos números do CBLoL.

Todos os datasets utilizados foram retirados da Web, são números reais.

Sou apenas um novato nesta área, desta forma, todas as críticas serão bem vindas ao que apresentarei.

Bibliotecas utilizadas

Neste experimento, foram utilizadas as bibliotecas do pandas, numpy, matplotlib.pyplot e seaborn.

Primeiro dataset: participações nas edições do CBLoL

O primeiro dataset que utilizei foi o que contem todas as participações das equipes no CBLoL. Iniciado em 2012, o CBLoL conta com 14 edições até então. Diferente dos campeonatos tradicionais, desde 2014 o CBLoL possui 2 splits, que seriam duas edições do campeonato por ano.

A primeira pergunta que eu me propus responder foi: quais times participaram da primeira edição e estão até hoje na competição?

Desta forma tive um pouco de dificuldades em como realizar este filtro, ja que eu gostaria que tivessem apenas as equipes onde o valor ‘2012’ constasse. Para suprir, utilizei o startswith.

Desta forma consegui o resultado das equipes que estiveram na competição em 2012.

E assim consigo responder minha primeira pergunta, apenas a paiN Gaming ainda disputa o CBLoL em 2021.

Segundo dataset: pontuação das equipes no CBLoL

Durante o CBLoL as equipes que disputam vão acumulando pontos na competição. Consequentemente eu já tinha em mente que essa análise era um pouco falha, visto que equipes mais antigas provavelmente teriam mais pontos que as mais novas.

Apesar disso, quis manter a ideia, para treinar um pouco da visualização de dados. Fiz um simples gráfico de barras, para poder visualizar as 5 equipes que mais pontuaram na história do CBLoL

Conforme já esperado, CNB, Keyd e Pain constaram no top 5, mas minha surpresa foi reparar que INTZ e KaBum, que surgiram no cenário em 2014, 2 anos após a primeira edição, ja estavam no Top 5.

Terceiro dataset: título das equipes

Neste dataset, toda análise foi feita apenas visualizando o DataFrame. Creio que não seja a forma mais bonita para tal, mas já era possível fazer as considerações.

Algumas análises que conseguimos fazer, apenas observando os títulos das equipes, é primeiramente o quão a INTZ é uma equipe forte em finais, sendo a que mais chegou em finais em todo CBLOL, mesmo iniciando sua jornada em 2014, a equipe já chegou em 7 finais.

Outra observação interessante é que, o Flamengo, apesar de possuir 3 vices, é uma organização que chegou a competição no segundo semestre de 2018, ou seja, participou ate então de 5 edições do CBLOL, e ainda assim, sendo uma organização extremamente jovem, chegou a final em 4 das 5 edições.

Ponto a se destacar é a KaBum, que nunca perdeu uma final que disputou, sendo 4 finais e 4 vitórias.
E apesar de termos o Flamengo na competição, a brincadeira do cheirinho fica com a CNB, que apesar de estar na competição desde 2012, sendo sua última participação no segundo semestre de 2019, nunca foi campeã, sendo 3 vices na conta.

Quarto dataset: títulos dos jogadores

Neste quarto dataset, temos as informações de títulos e vices de cada jogador que ja participou do CBLoL.

Primeiramente foi necessário tratar um pouco os dados, para facilitar a visualização em gráficos, para isso utilizei do sort_values()

Além disso, criei uma nova coluna, somando títulos e vices, para constar participações em finais.

Treinando um pouco da visualização da dados, conseguimos chegar a esta visualização dos 5 mais vitoriosos do CBLoL.

Desta forma vemos que o brTT é o jogador mais vitorioso do CBLoL, tendo na sua cola micaO e o Tockers que hoje está aposentado.

Outra curiosidade que eu tive é, quais os jogadores que mais chegaram em finais durante todo o CBLoL?
Esta resposta nós temos no gráfico a seguir:

Novamente brTT e micaO se encontram nas primeiras colocações, fato curioso é que ambos são da mesma posição no jogo, são “Ad Carry” ou “Atiradores”, normalmente são os responsáveis por causar maior dano na equipe.

Agora uma das mais esperadas por mim, era a análise de maior vice, quem merece o título de eterno cheirinho do CBLoL?

E o título ficou com o grande capitão, nosso Takeshi. Com 5 vices campeonatos, Takeshi nunca foi campeão do CBLoL, bateu na trave 5 vezes: 2013, 2014 (Final Regional), 2015 (1ª split), 2016 (1ª split), 2017 (1ª split).

Quinto dataset: premiações individuais

Neste quinto e último dataset, iremos descobrir quem foram os maiores vencedores dos prêmios individuais que são realizados pela Riot Games.

Vale destacar que estes prêmios começaram em 2017, então ainda são bem recentes e consequentemente muitos jogadores que aposentaram anteriormente a esta data, não tiveram oportunidade para concorrer.

Para plotar o primeiro gráfico, utilizei o Seaborn.

Com o seguinte resultado:

Novamente brTT figurando no topo, como o jogador mais premiado da história do CBLoL. Além de líder em finais, e títulos de campeão, brTT foi o jogador que mais foi premiado pela Riot Games.

Agora vamos conferir qual foi a equipe com mais premiações individuais de jogador/técnico, primeiro o código utilizado:

E o resultado foi:

Ou seja, apesar de ter chegado ao CBLoL no segundo semestre de 2018, o Flamengo é a equipe que possui mais premiações individuais de seus jogadores/técnicos, desbancando equipes tradicionais do cenário, como paiN e INTZ.

Conclusão e agradecimento

Bom, esta foi uma simples análise que realizei, checando os dados do CBLoL. Reitero que sou apenas um novato no mundo dos dados, amante do LoL e curioso, e meu intuito aqui foi praticar e mostrar algumas informações sobre a competição que muitas pessoas talvez não conheçam.

Todas criticas e sugestões são bem vindas.

Um abraço a todos!!

Meu LinkedIn: https://www.linkedin.com/in/luigi-pontello-0578a0145/

Meu repositório, onde contém o código utilizado: https://github.com/Luigi-Pontello/data_analyst_luigipontello