Español

Tienda Steam 2024: Selecciones destacadas y reseñas 💨¶

Acerca del conjunto de datos¶

Descripción general:¶

Sumérgete en el pulso de la Tienda Steam con nuestro conjunto de datos «Clasificación de poder de la Tienda Steam 2024: Selecciones destacadas y reseñas». Esta colección compacta pero potente es su puerta de entrada a los títulos más comentados de 2024, ya que ofrece una instantánea de las tendencias, los precios de los juegos y la opinión colectiva de la comunidad de jugadores. Extraído de forma ética para garantizar el respeto de la privacidad y la integridad de los datos, este conjunto de datos es un testimonio del vibrante ecosistema de Steam, ya que proporciona una esencia destilada de la cultura de los videojuegos y la dinámica del mercado. Aplicaciones de la ciencia de datos:

Dada su naturaleza específica, este conjunto de datos se presta a una variedad de exploraciones prácticas de ciencia de datos:

  • Análisis de tendencias: Identifica patrones en la popularidad y los precios de los juegos a lo largo del tiempo.
  • Análisis de opiniones: Evalúa la opinión de la comunidad a través de los resúmenes de las reseñas.
  • Análisis de mercado: Comprende la correlación entre los precios, las ventas y las reseñas.
  • Proyectos de visualización: Crea representaciones visuales atractivas de los datos para destacar las tendencias y los conocimientos clave.

Descriptores de columnas:¶

  • Title: The name of the game.
  • Description: A brief overview of the game.
  • Price: Listed price of the game.
  • SalePercentage: The percentage discount if the game is on sale.
  • RecentReviews: Generalized sentiment of recent reviews.
  • AllReviews: Overall review sentiment.

English

Steam Store 2024: Featured Picks and Reviews 💨¶

About the Dataset¶

Overview:¶

Immerse yourself in the pulse of the Steam Store with our dataset "Steam Store Power Ranking 2024: Featured Picks and Reviews." This compact yet powerful collection is your gateway to the most talked-about titles of 2024, offering a snapshot of game trends, pricing, and the collective opinion of the gaming community. Ethically sourced to ensure privacy and data integrity, this dataset stands as a testament to Steam's vibrant ecosystem, distilling the essence of video game culture and market dynamics.

Data Science Applications:¶

Given its specific nature, this dataset lends itself to a variety of practical data science explorations:

  • Trend analysis: Identify patterns in game popularity and pricing over time.
  • Sentiment analysis: Assess community opinion via review summaries.
  • Market analysis: Understand the correlation between pricing, sales, and reviews.
  • Visualization projects: Create compelling visual representations to highlight key trends and insights.

Column Descriptions:¶

  • Title: The name of the game.
  • Description: A brief overview of the game.
  • Price: Listed price of the game.
  • SalePercentage: The percentage discount if the game is on sale.
  • RecentReviews: Generalized sentiment of recent reviews.
  • AllReviews: Overall review sentiment.
In [1]:
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from wordcloud import WordCloud
from sklearn.impute import SimpleImputer
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import LabelEncoder
from sklearn.metrics import mean_squared_error
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction.text import CountVectorizer

import joblib
import warnings
warnings.filterwarnings('ignore')
%matplotlib inline

Carga de Datos¶

In [2]:
df = pd.read_csv('../data/steam_store_data_2024.csv')
df.head()
Out[2]:
title description price salePercentage recentReviews allReviews
0 Ori and the Will of the Wisps Play the critically acclaimed masterpiece. Emb... $9.89 -67% Overwhelmingly Positive Overwhelmingly Positive
1 Flashing Lights - Police, Firefighting, Emerge... Play solo or in up to 10-player multiplayer co... $8.49 -66% Very Positive Very Positive
2 Thronefall A minimalist game about building and defending... $5.24 -25% Overwhelmingly Positive Overwhelmingly Positive
3 DRAGON QUEST® XI S: Echoes of an Elusive Age™ ... The Definitive Edition includes the critically... $23.99 -40% Very Positive Very Positive
4 UNDYING As Anling’s zombie infection sets in, her days... $13.99 -30% Mostly Positive Mostly Positive
In [3]:
df.shape
Out[3]:
(86, 6)
In [4]:
df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 86 entries, 0 to 85
Data columns (total 6 columns):
 #   Column          Non-Null Count  Dtype 
---  ------          --------------  ----- 
 0   title           86 non-null     object
 1   description     82 non-null     object
 2   price           61 non-null     object
 3   salePercentage  59 non-null     object
 4   recentReviews   57 non-null     object
 5   allReviews      57 non-null     object
dtypes: object(6)
memory usage: 4.2+ KB
In [5]:
df.describe()
Out[5]:
title description price salePercentage recentReviews allReviews
count 86 82 61 59 57 57
unique 75 71 34 17 5 5
top Ori and the Will of the Wisps Play the critically acclaimed masterpiece. Emb... $23.99 -40% Very Positive Very Positive
freq 2 2 6 10 40 40
In [6]:
df.isnull().sum()
Out[6]:
title              0
description        4
price             25
salePercentage    27
recentReviews     29
allReviews        29
dtype: int64
In [7]:
df["recentReviews"].value_counts()
Out[7]:
recentReviews
Very Positive              40
Mostly Positive             8
Overwhelmingly Positive     7
Mixed                       1
Mostly Negative             1
Name: count, dtype: int64
In [8]:
df["allReviews"].value_counts()
Out[8]:
allReviews
Very Positive              40
Mostly Positive             8
Overwhelmingly Positive     7
Mixed                       1
Mostly Negative             1
Name: count, dtype: int64

Limpieza de datos¶

In [9]:
# Limpiar las columnas de precios y porcentaje de descuento
df['price'] = df['price'].replace({'\$': '', ',': ''}, regex=True).astype(float)
df['salePercentage'] = df['salePercentage'].replace({'%': '', ',': ''}, regex=True).astype(float)

df['price'].fillna(df['price'].mean(), inplace=True)
df['salePercentage'].fillna(0, inplace=True)
# Imputar valores faltantes con SimpleImputer
imputer = SimpleImputer(strategy="most_frequent")
df['description'] = imputer.fit_transform(df[['description']]).flatten()

# Convertir las columnas de reseñas a categorías ordenadas
review_order = ['Mostly Negative', 'Mixed', 'Mostly Positive', 'Very Positive', 'Overwhelmingly Positive']
df['recentReviews'] = pd.Categorical(df['recentReviews'], categories=review_order, ordered=True)
df['allReviews'] = pd.Categorical(df['allReviews'], categories=review_order, ordered=True)

# Imputación de missing values en las reseñas
df['recentReviews'] = imputer.fit_transform(df[['recentReviews']]).flatten()
df['allReviews'] = imputer.fit_transform(df[['allReviews']]).flatten()
In [10]:
print(df.info())

print(df.describe())

print(df.isnull().sum())

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 86 entries, 0 to 85
Data columns (total 6 columns):
 #   Column          Non-Null Count  Dtype  
---  ------          --------------  -----  
 0   title           86 non-null     object 
 1   description     86 non-null     object 
 2   price           86 non-null     float64
 3   salePercentage  86 non-null     float64
 4   recentReviews   86 non-null     object 
 5   allReviews      86 non-null     object 
dtypes: float64(2), object(4)
memory usage: 4.2+ KB
None
           price  salePercentage
count  86.000000       86.000000
mean   20.500984      -33.383721
std    10.884640       27.823464
min     3.490000      -80.000000
25%    12.715000      -60.000000
50%    20.500984      -34.000000
75%    23.990000        0.000000
max    59.990000        0.000000
title             0
description       0
price             0
salePercentage    0
recentReviews     0
allReviews        0
dtype: int64

Análisis de datos¶

In [11]:
# Extraer palabras clave de las descripciones de los juegos
vectorizer = CountVectorizer(stop_words='english', max_df=0.40)
X = vectorizer.fit_transform(df['description'])

# Convertir la matriz en un DataFrame
df_words = pd.DataFrame(X.toarray(), columns=vectorizer.get_feature_names_out())

# Mostrar las primeras 10 palabras más frecuentes
top_words = df_words.sum(axis=0).sort_values(ascending=False).head(10)
print(top_words)

world         29
new           27
play          20
action        19
adventure     14
kingdom       11
fantasy       11
player        10
experience    10
final          9
dtype: int64
In [12]:
# Crear la nube de palabras
wordcloud = WordCloud(width=800, height=400, background_color='white').generate_from_frequencies(top_words)

plt.figure(figsize=(10, 5))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.savefig('../figure/WordFreq.png')
plt.show()
No description has been provided for this image
In [13]:
# Definir las categorías y palabras clave relacionadas
gaming_categories = {
    'action': ['action', 'shooter', 'fight', 'horror'],
    'adventure': ['adventure', 'exploration'],
    'puzzle': ['puzzle'],
    'rpg': ['role', 'rpg'],
    'simulation': ['simulation'],
    'strategy': ['strategy', 'tactical'],
    'sports': ['sports']
}

# Crear una nueva columna para las categorías
df['category'] = np.nan

# Asignar categorías basadas en las palabras clave
for category, keywords in gaming_categories.items():
    for keyword in keywords:
        if keyword in df_words.columns:  # Comprobar si la palabra clave está en las columnas de df_words
            mask = df_words[keyword] > 0  # Verifica si la palabra clave está presente en cada fila
            df.loc[mask, 'category'] = category
        else:
            print(f"'{keyword}' no está en las columnas de df_words.")

df['category'].fillna('Unknow', inplace=True)

'simulation' no está en las columnas de df_words.
'sports' no está en las columnas de df_words.
In [14]:
# Distribución de las reseñas (allReviews)
plt.figure(figsize=(10, 6))
sns.countplot(data=df, x='allReviews', palette='viridis')
plt.title('Distribución de las reseñas')
plt.savefig('../figure/DistResenas.png')
plt.show()

# Distribución de los precios
sns.boxplot(data=df, x='price', color='lightblue')
plt.title('Distribución de los precios')
plt.savefig('../figure/DistPrec.png')
plt.show()

# Distribución de los descuentos
sns.boxplot(data=df, x='salePercentage', color='lightgreen')
plt.title('Distribución de los descuentos')
plt.savefig('../figure/DistDesc.png')
plt.show()

# Distribución de las categorías
sns.countplot(data=df, x='category', palette='Set2')
plt.title('Distribución de las categorías de juegos')
plt.xticks(rotation=45)
plt.savefig('../figure/DistCatJuego.png')
plt.show()
No description has been provided for this image
No description has been provided for this image
No description has been provided for this image
No description has been provided for this image
In [15]:
df.isnull().sum()
Out[15]:
title             0
description       0
price             0
salePercentage    0
recentReviews     0
allReviews        0
category          0
dtype: int64
In [16]:
df.columns
Out[16]:
Index(['title', 'description', 'price', 'salePercentage', 'recentReviews',
       'allReviews', 'category'],
      dtype='object')
In [17]:
plt.figure(figsize=(12, 6))
sns.boxplot(x='category', y='price', data=df, palette='Set2')
plt.title('Distribución de Precios por Categoría')
plt.xlabel('Categoría')
plt.ylabel('Precio')
plt.xticks(rotation=45) 
plt.savefig('../figure/DistPrecPerCat.png')
plt.show()
No description has been provided for this image
In [18]:
plt.figure(figsize=(12, 6))
sns.countplot(x='category', hue='recentReviews', data=df, palette='Set2')
plt.title('Distribución de Reseñas Recientes por Categoría')
plt.xlabel('Categoría')
plt.ylabel('Número de Reseñas Recientes')
plt.xticks(rotation=45)
plt.legend(title='Reseñas Recientes')
plt.savefig('../figure/DistResenasRecientesPerCat.png')
plt.show()
No description has been provided for this image

Español

Conclusión¶

  1. Distribución de las categorías de juegos: La mayoría de los juegos no tienen una categoría definida (Unknown), seguida de juegos de RPG y acción. Las categorías puzzle, estrategia y aventura tienen menos representación.

  2. Distribución de los precios: Los precios de los juegos varían entre 10 y 60, con una mayoría de precios concentrados entre 10 y 30.

  3. Distribución de los descuentos: Los descuentos están entre 80% y 0%, indicando que la mayoría de los juegos tienen descuentos significativos. Sin embargo, la mayoría están en un rango cercano al 30%.

  4. Distribución de las reseñas: La gran mayoría de los juegos tienen reseñas "Very Positive", con pocos juegos teniendo reseñas "Mostly Positive" o menos.

  5. Distribución de precios por categoría: Los precios de los juegos varían según la categoría, siendo "RPG" y "adventure" las categorías con precios más altos, mientras que "puzzle" tiene precios más bajos en general.

English

Conclusion¶

  • Category Distribution: Most games are labeled as Unknown, followed by RPG and Action titles.
  • Price Trends: Most games fall between $10–30, with some exceptions.
  • Discounts: Significant sales are common, with a peak around 30%.
  • Reviews: Majority of games receive "Very Positive" reviews.
  • Price by Category: RPG and Adventure titles are more expensive; Puzzle games are cheaper.
  • Review Trends: RPG and Unknown games have more frequent recent positive reviews.
  • Description Themes: Keywords such as world, play, action, and new are dominant.