[OPGG] 라이엇 API 사용하기

1. 내전 게임 불러오기

import pandas as pd
import numpy as np
import requests
import matplotlib as plt

# Riot Developer Portal에서 받은 API KEY입니다.
# 해당 값을 포함한 모든 종류의 KEY는 코드에 직접적으로 노출되지 않도록 하는 것이 좋습니다.
api_key = 'RGAPI-0c612bd4-12a0-4358-8d6b-9ea0cd92b1cf'

# 방금 진행한 내전의 gameId값입니다. 클라이언트 대전기록에서 확인할 수 있습니다.
gameid = 5382324388
requesturl = "https://kr.api.riotgames.com/lol/match/v4/matches/"+str(gameid)+"?api_key="+api_key
r = requests.get(requesturl)

• 라이엇 개발자 홈페이지에서 API 탭에 가면 여러 자료를 불러올 수 있다.

• 이번엔 그 중에서 강의 중 내전한 자료를 불러올 것이다.

• gameid는 롤 대전기록 검색시 URL에서 확인 가능하다.

• API KEY는 24시간 정도 유지되며 그 이후 사용시 재발급하여 사용하면 된다.

# 불러온 데이터 확인
# teamid 100: blue, 200: red
r.json().keys()

dict_keys(['gameId', 'platformId', 'gameCreation', 'gameDuration', 'queueId', 'mapId', 'seasonId', 'gameVersion', 'gameMode', 'gameType', 'teams', 'participants', 'participantIdentities'])

• 불러온 데이터는 json 형식의 파일로 이루어져 있다.

• 각 key별로 어떤 자료가 있는지는 홈페이지에 자세한 설명이 있다.

# 불러온 데이터 중 소환사1의 데이터 확인
# r.json()['participants'][0]

• participants에는 플레이한 소환사의 정보가 담겨있다.

# DataFrame으로 변환해서 확인
pd.DataFrame(r.json()['participants'])

	participantId	teamId	championId	spell1Id	spell2Id	stats	timeline
0	1	100	222	7	4	{'participantId': 1, 'win': False, 'item0': 10...	{'participantId': 1, 'creepsPerMinDeltas': {'1...
1	2	100	234	4	11	{'participantId': 2, 'win': False, 'item0': 31...	{'participantId': 2, 'creepsPerMinDeltas': {'1...
2	3	100	143	4	14	{'participantId': 3, 'win': False, 'item0': 66...	{'participantId': 3, 'creepsPerMinDeltas': {'1...
3	4	100	34	12	4	{'participantId': 4, 'win': False, 'item0': 30...	{'participantId': 4, 'creepsPerMinDeltas': {'1...
4	5	100	58	4	14	{'participantId': 5, 'win': False, 'item0': 66...	{'participantId': 5, 'creepsPerMinDeltas': {'1...
5	6	200	48	12	4	{'participantId': 6, 'win': True, 'item0': 304...	{'participantId': 6, 'creepsPerMinDeltas': {'1...
6	7	200	84	14	4	{'participantId': 7, 'win': True, 'item0': 105...	{'participantId': 7, 'creepsPerMinDeltas': {'1...
7	8	200	43	14	4	{'participantId': 8, 'win': True, 'item0': 385...	{'participantId': 8, 'creepsPerMinDeltas': {'1...
8	9	200	203	11	4	{'participantId': 9, 'win': True, 'item0': 313...	{'participantId': 9, 'creepsPerMinDeltas': {'1...
9	10	200	498	7	4	{'participantId': 10, 'win': True, 'item0': 10...	{'participantId': 10, 'creepsPerMinDeltas': {'...

• 이를 데이터프레임으로 바꿔보면 앞서 지정한 특정 게임의 플레이어 10명에 대한 정보가 담겨있다.

• 다만 stats와 timeline 등은 nested되어 있다.

# nested된 부분 unnest해서 DataFrame으로 변환
df = pd.json_normalize(r.json()['participants'])
df.head()

	participantId	teamId	championId	spell1Id	spell2Id	stats.participantId	stats.win	stats.item0	stats.item1	stats.item2	...	timeline.csDiffPerMinDeltas.10-20	timeline.csDiffPerMinDeltas.0-10	timeline.xpDiffPerMinDeltas.10-20	timeline.xpDiffPerMinDeltas.0-10	timeline.damageTakenPerMinDeltas.10-20	timeline.damageTakenPerMinDeltas.0-10	timeline.damageTakenDiffPerMinDeltas.10-20	timeline.damageTakenDiffPerMinDeltas.0-10	timeline.role	timeline.lane
0	1	100	222	7	4	1	False	1055	6671	3094	...	-1.1	-0.65	36.35	-24.55	638.7	252.8	64.95	-4.7	DUO_CARRY	BOTTOM
1	2	100	234	4	11	2	False	3153	2031	3047	...	-0.9	0.20	-77.30	-97.40	1354.3	892.3	294.40	206.7	NONE	JUNGLE
2	3	100	143	4	14	3	False	6653	2421	3853	...	-1.1	-0.65	36.35	-24.55	482.4	224.7	64.95	-4.7	DUO_SUPPORT	BOTTOM
3	4	100	34	12	4	4	False	3040	6653	0	...	0.6	0.30	36.60	-52.30	546.4	127.0	43.10	-189.6	SOLO	MIDDLE
4	5	100	58	4	14	5	False	6630	2031	3075	...	-1.9	-1.00	-99.20	4.30	1157.8	683.7	18.90	103.7	SOLO	TOP

5 rows × 126 columns

• pd.json_normalize()를 사용하면 다음과 같이 원하는 형태로 생성 가능하다.

# 확인할 변수
COLUMNS = ["participantId", "teamId", "championId", "spell1Id", "spell2Id", "stats.win",
           "stats.item0","stats.item1","stats.item2","stats.item3","stats.item4","stats.item5","stats.item6",
           "stats.kills","stats.deaths","stats.assists","stats.totalDamageDealt","stats.totalDamageTaken",
           "stats.goldEarned"]

# 확인할 변수만 가져와서 새로운 DataFrame에 저장
df2 = df[COLUMNS]

# Column 이름에 불필요한 'stats.'가 붙은 걸 삭제
df2.columns = df2.columns.str.replace('stats.', '', regex = True)

# 최종 추출 형태 확인
df2

	participantId	teamId	championId	spell1Id	spell2Id	win	item0	item1	item2	item3	item4	item5	item6	kills	deaths	assists	totalDamageDealt	totalDamageTaken	goldEarned
0	1	100	222	7	4	False	1055	6671	3094	3006	1038	1037	3363	7	6	8	85575	16660	9877
1	2	100	234	4	11	False	3153	2031	3047	0	0	6632	3364	6	9	10	84491	32960	9053
2	3	100	143	4	14	False	6653	2421	3853	3020	3191	1028	3364	3	6	11	37787	12358	7565
3	4	100	34	12	4	False	3040	6653	0	0	3020	0	3364	4	5	4	101048	14466	8237
4	5	100	58	4	14	False	6630	2031	3075	3047	1054	0	3364	5	7	2	70397	29663	8345
5	6	200	48	12	4	True	3047	1054	6632	3051	3742	3076	3340	3	5	11	107619	27460	10940
6	7	200	84	14	4	True	1054	3020	3157	1052	4633	0	3340	2	2	5	64034	13449	8417
7	8	200	43	14	4	True	3853	2065	2055	3011	3158	0	3364	0	4	18	22255	9783	7729
8	9	200	203	11	4	True	3139	3026	3006	6672	6676	3094	3364	23	7	7	200929	24914	18384
9	10	200	498	7	4	True	1055	6671	3508	1038	0	3006	3363	5	7	7	116952	13582	10475

• 각 플레이어의 팀, 선택한 챔피언, 스펠, 승리 여부 등 일부 정보만 불러왔다.

# KDA = (K + A) / D
# GPM = goldEarned / (gameDuration_In_Munite)
# DPM = damageDealt / (gameDuration_In_Munite)
# DTPM = damageTaken / (gameDuration_In_Munite)
df3 = df2.assign(KDA=lambda x: (x['kills']+x['assists'])/x['deaths'])
df3['GPM'] = df3['goldEarned'] / r.json()['gameDuration'] * 60 # 분 단위
df3['DPM'] = df3['totalDamageDealt'] / r.json()['gameDuration'] * 60
df3['DTPM'] = df3['totalDamageTaken'] / r.json()['gameDuration'] * 60

• KDA, GPM 등 개인 지표를 추가하였다.

• KDA의 경우 Death가 0인 경우를 고려해서 짜도 될 것이다.

df3

	participantId	teamId	championId	spell1Id	spell2Id	win	item0	item1	item2	item3	...	kills	deaths	assists	totalDamageDealt	totalDamageTaken	goldEarned	KDA	GPM	DPM	DTPM
0	1	100	222	7	4	False	1055	6671	3094	3006	...	7	6	8	85575	16660	9877	2.500000	368.086957	3189.130435	620.869565
1	2	100	234	4	11	False	3153	2031	3047	0	...	6	9	10	84491	32960	9053	1.777778	337.378882	3148.732919	1228.322981
2	3	100	143	4	14	False	6653	2421	3853	3020	...	3	6	11	37787	12358	7565	2.333333	281.925466	1408.211180	460.546584
3	4	100	34	12	4	False	3040	6653	0	0	...	4	5	4	101048	14466	8237	1.600000	306.968944	3765.763975	539.105590
4	5	100	58	4	14	False	6630	2031	3075	3047	...	5	7	2	70397	29663	8345	1.000000	310.993789	2623.490683	1105.453416
5	6	200	48	12	4	True	3047	1054	6632	3051	...	3	5	11	107619	27460	10940	2.800000	407.701863	4010.645963	1023.354037
6	7	200	84	14	4	True	1054	3020	3157	1052	...	2	2	5	64034	13449	8417	3.500000	313.677019	2386.360248	501.204969
7	8	200	43	14	4	True	3853	2065	2055	3011	...	0	4	18	22255	9783	7729	4.500000	288.037267	829.378882	364.583851
8	9	200	203	11	4	True	3139	3026	3006	6672	...	23	7	7	200929	24914	18384	4.285714	685.118012	7488.037267	928.472050
9	10	200	498	7	4	True	1055	6671	3508	1038	...	5	7	7	116952	13582	10475	1.714286	390.372671	4358.459627	506.161491

10 rows × 23 columns

# 숫자로 된 각종 Key값에 대한 Value 가져오기
champion_constant = requests.get("http://ddragon.leagueoflegends.com/cdn/11.15.1/data/ko_KR/champion.json")
spell_constant = requests.get("http://ddragon.leagueoflegends.com/cdn/11.15.1/data/ko_KR/summoner.json")
item_constant = requests.get("http://ddragon.leagueoflegends.com/cdn/11.15.1/data/ko_KR/item.json")

• 챔피언, 스펠, 아이템에 대한 json 파일을 불러왔다.

• 이 역시 홈페이지에서 해당 URL을 확인 가능하다.

• 수업 당시 기준 11.15.1 버전 URL이나 업데이트 된다면 이를 바꿔주면 된다.

# champion_constant.json()

# Json 파일을 DataFrame으로 변환
champion_df = pd.DataFrame(champion_constant.json()['data']).T[['key','name']]
spell_df = pd.DataFrame(spell_constant.json()['data']).T[['key','name']]
item_df = pd.DataFrame(item_constant.json()['data']).T['name'].rename_axis("key").reset_index()

# 변수형 문자 -> 숫자
champion_df['key'] = pd.to_numeric(champion_df['key'])
spell_df['key'] = pd.to_numeric(spell_df['key'])
item_df['key'] = pd.to_numeric(item_df['key'])

• 이번에도 데이터 프레임 형태로 바꿔주되 각 파일의 컬럼이 매우 많아 일부만 사용한다.

# 매칭되는 곳으로 내용 추가하여 새로운 DataFrame으로 저장
df4 = pd.merge(df3,champion_df,how = 'left', left_on = 'championId', right_on = 'key')

# DataFrame 확인
df4

	participantId	teamId	championId	spell1Id	spell2Id	win	item0	item1	item2	item3	...	assists	totalDamageDealt	totalDamageTaken	goldEarned	KDA	GPM	DPM	DTPM	key	name
0	1	100	222	7	4	False	1055	6671	3094	3006	...	8	85575	16660	9877	2.500000	368.086957	3189.130435	620.869565	222	징크스
1	2	100	234	4	11	False	3153	2031	3047	0	...	10	84491	32960	9053	1.777778	337.378882	3148.732919	1228.322981	234	비에고
2	3	100	143	4	14	False	6653	2421	3853	3020	...	11	37787	12358	7565	2.333333	281.925466	1408.211180	460.546584	143	자이라
3	4	100	34	12	4	False	3040	6653	0	0	...	4	101048	14466	8237	1.600000	306.968944	3765.763975	539.105590	34	애니비아
4	5	100	58	4	14	False	6630	2031	3075	3047	...	2	70397	29663	8345	1.000000	310.993789	2623.490683	1105.453416	58	레넥톤
5	6	200	48	12	4	True	3047	1054	6632	3051	...	11	107619	27460	10940	2.800000	407.701863	4010.645963	1023.354037	48	트런들
6	7	200	84	14	4	True	1054	3020	3157	1052	...	5	64034	13449	8417	3.500000	313.677019	2386.360248	501.204969	84	아칼리
7	8	200	43	14	4	True	3853	2065	2055	3011	...	18	22255	9783	7729	4.500000	288.037267	829.378882	364.583851	43	카르마
8	9	200	203	11	4	True	3139	3026	3006	6672	...	7	200929	24914	18384	4.285714	685.118012	7488.037267	928.472050	203	킨드레드
9	10	200	498	7	4	True	1055	6671	3508	1038	...	7	116952	13582	10475	1.714286	390.372671	4358.459627	506.161491	498	자야

10 rows × 25 columns

• 챔피언 id를 기준으로 각 id가 어떤 챔피언인지 알 수 있게 merge한 결과이다.

# 중복되는 값 삭제
df4 = df4.rename(columns={'name': 'Champion'}).drop(['championId','key'],axis = 1)

df4 = pd.merge(df4,spell_df,how = 'left', left_on = 'spell1Id', right_on = 'key')
df4 = df4.rename(columns={'name': 'D'}).drop(['spell1Id','key'],axis = 1)
df4 = pd.merge(df4,spell_df,how = 'left', left_on = 'spell2Id', right_on = 'key')
df4 = df4.rename(columns={'name': 'F'}).drop(['spell2Id','key'],axis = 1)

df4 = pd.merge(df4,item_df,how = 'left', left_on = 'item0', right_on = 'key')
df4 = df4.rename(columns={'name': 'Item1'}).drop(['item0','key'],axis = 1)
df4 = pd.merge(df4,item_df,how = 'left', left_on = 'item1', right_on = 'key')
df4 = df4.rename(columns={'name': 'Item2'}).drop(['item1','key'],axis = 1)
df4 = pd.merge(df4,item_df,how = 'left', left_on = 'item2', right_on = 'key')
df4 = df4.rename(columns={'name': 'Item3'}).drop(['item2','key'],axis = 1)
df4 = pd.merge(df4,item_df,how = 'left', left_on = 'item3', right_on = 'key')
df4 = df4.rename(columns={'name': 'Item4'}).drop(['item3','key'],axis = 1)
df4 = pd.merge(df4,item_df,how = 'left', left_on = 'item4', right_on = 'key')
df4 = df4.rename(columns={'name': 'Item5'}).drop(['item4','key'],axis = 1)
df4 = pd.merge(df4,item_df,how = 'left', left_on = 'item5', right_on = 'key')
df4 = df4.rename(columns={'name': 'Item6'}).drop(['item5','key'],axis = 1)
df4 = pd.merge(df4,item_df,how = 'left', left_on = 'item6', right_on = 'key')
df4 = df4.rename(columns={'name': 'Trinket'}).drop(['item6','key'],axis = 1)

• 같은 방법으로 스펠과 아이템의 이름을 확인하기 위해 merge한다.

# 확인할 변수
COLUMNS_NEW = ["participantId", "teamId","win", "Champion", "D", "F", "KDA",
           "kills","deaths","assists","Item1","Item2","Item3","Item4","Item5","Item6","Trinket","GPM","DPM","DTPM"]

df5 = df4[COLUMNS_NEW]

df5

	participantId	teamId	win	Champion	D	F	KDA	kills	deaths	assists	Item1	Item2	Item3	Item4	Item5	Item6	Trinket	GPM	DPM	DTPM
0	1	100	False	징크스	회복	점멸	2.500000	7	6	8	도란의 검	돌풍	고속 연사포	광전사의 군화	B.F. 대검	곡괭이	망원형 개조	368.086957	3189.130435	620.869565
1	2	100	False	비에고	점멸	강타	1.777778	6	9	10	몰락한 왕의 검	충전형 물약	판금 장화	NaN	NaN	신성한 파괴자	예언자의 렌즈	337.378882	3148.732919	1228.322981
2	3	100	False	자이라	점멸	점화	2.333333	3	6	11	리안드리의 고뇌	망가진 초시계	얼음 정수의 파편	마법사의 신발	추적자의 팔목 보호대	루비 수정	예언자의 렌즈	281.925466	1408.211180	460.546584
3	4	100	False	애니비아	순간이동	점멸	1.600000	4	5	4	대천사의 포옹	리안드리의 고뇌	NaN	NaN	마법사의 신발	NaN	예언자의 렌즈	306.968944	3765.763975	539.105590
4	5	100	False	레넥톤	점멸	점화	1.000000	5	7	2	선혈포식자	충전형 물약	가시 갑옷	판금 장화	도란의 방패	NaN	예언자의 렌즈	310.993789	2623.490683	1105.453416
5	6	200	True	트런들	순간이동	점멸	2.800000	3	5	11	판금 장화	도란의 방패	신성한 파괴자	온기가 필요한 자의 도끼	망자의 갑옷	덤불 조끼	투명 와드	407.701863	4010.645963	1023.354037
6	7	200	True	아칼리	점화	점멸	3.500000	2	2	5	도란의 방패	마법사의 신발	존야의 모래시계	증폭의 고서	균열 생성기	NaN	투명 와드	313.677019	2386.360248	501.204969
7	8	200	True	카르마	점화	점멸	4.500000	0	4	18	얼음 정수의 파편	슈렐리아의 군가	제어 와드	화학공학 부패기	명석함의 아이오니아 장화	NaN	예언자의 렌즈	288.037267	829.378882	364.583851
8	9	200	True	킨드레드	강타	점멸	4.285714	23	7	7	헤르메스의 시미터	수호 천사	광전사의 군화	크라켄 학살자	징수의 총	고속 연사포	예언자의 렌즈	685.118012	7488.037267	928.472050
9	10	200	True	자야	회복	점멸	1.714286	5	7	7	도란의 검	돌풍	정수 약탈자	B.F. 대검	NaN	광전사의 군화	망원형 개조	390.372671	4358.459627	506.161491

• 최종적으로 이 게임의 정보에 대해 위와 같이 확인 가능하다.

• 이 게임은 red팀이 승리하였고 킨드레드가 하드캐리한 것이 KDA, DPM 등을 통해 보인다.