来自xcookie的模块
项目描述
PyPogo模块。
目标是创建一个Python模块来运行宝可梦Go的计算和模拟。该模块通过接口与 https://pogoapi.net/api/v1/ 获取数据,如宝可梦统计数据等。它目前可以进行CP计算,并基于宝可梦在不同等级的统计数据产品检查IV等级。
我目前正在开发一个战斗模拟器,并计划使用神经网络和强化学习训练代理进行PVP游戏。但这还需要一段时间才能完成。
在此期间,您仍然可以使用此软件包做一些有用的事情。
主要的接口方式是使用 Pokemon 类。
您可以在约束条件下找到IV和等级以最大化CP
>>> from pypogo.pokemon import Pokemon
>>> base = Pokemon('eevee')
>>> print('base = {}'.format(base))
>>> #
>>> max_cp = 1500
>>> #
>>> for mon in base.family():
>>> mon.maximize(max_cp, ivs='maximize', max_level=51)
>>> print('mon = {}'.format(mon))
base = <Pokemon(eevee, None, None, None, None)>
mon = <Pokemon(leafeon, 1497, 19.0, [1, 15, 14], None)>
mon = <Pokemon(espeon, 1498, 17.5, [0, 15, 15], None)>
mon = <Pokemon(umbreon, 1497, 27.5, [0, 15, 14], None)>
mon = <Pokemon(flareon, 1500, 18.5, [0, 15, 13], None)>
mon = <Pokemon(glaceon, 1500, 18.0, [0, 15, 12], None)>
mon = <Pokemon(jolteon, 1500, 19.5, [0, 12, 15], None)>
mon = <Pokemon(vaporeon, 1500, 18.0, [1, 15, 15], None)>
您可以执行净化和进化操作
>>> from pypogo.pokemon import Pokemon
>>> self = Pokemon('ralts', ivs=[6, 13, 15], level=20,
>>> shadow=True, shiny=True)
>>> new = self.purify()
>>> print('self = {}'.format(self))
>>> print('new = {}'.format(new))
>>> evos = new.evolved()[0].evolved()
>>> print(evos[0])
>>> print(evos[1])
self = <Pokemon(ralts(😈,✨), 274, 20, [6, 13, 15], None)>
new = <Pokemon(ralts(👼,✨), 285, 20, (8, 15, 15), None)>
<Pokemon(gallade(👼,✨), 1718, 20, (8, 15, 15), None)>
<Pokemon(gardevoir(👼,✨), 1718, 20, (8, 15, 15), None)>
您可以构建不同IV组合的联盟排名表
>>> from pypogo.pokemon import Pokemon
>>> self = Pokemon('beedrill')
>>> beedrill_df = self.league_ranking_table(max_cp=1500)
>>> print(beedrill_df)
iva ivd ivs cp level attack defense stamina stat_product_k rank percent
rank
1 0 13 14 1499 32.5 126.206025 106.789714 132 1779.030702 1 100.000000
2 0 14 13 1500 32.5 126.206025 107.536495 131 1777.899723 2 99.316671
3 0 14 15 1496 32.0 125.700414 107.105679 132 1777.146120 3 98.861349
4 0 15 14 1497 32.0 125.700414 107.849468 131 1775.930690 4 98.126996
5 1 13 15 1500 32.0 126.444204 106.361889 132 1775.247460 5 97.714193
... ... ... ... ... ... ... ... ... ... ... ...
4092 14 2 1 1489 32.0 136.113467 98.180205 121 1617.001419 4092 2.103120
4093 15 0 2 1490 32.0 136.857256 96.692626 122 1614.436679 4093 0.553523
4094 15 0 0 1493 32.5 137.407744 97.081558 121 1614.110696 4094 0.356567
4095 15 1 3 1488 31.5 136.304546 97.042911 122 1613.741564 4095 0.133540
4096 15 1 1 1492 32.0 136.857256 97.436416 121 1613.520542 4096 0.000000
...
[4096 rows x 11 columns]
此模块主要是在娱乐和个人使用中开发。随着需要添加的功能不断增加,主要是为了回答与我个人最小-最大化的相关问题。请随意分叉、贡献或按您所需使用。
阅读文档 |
|
Github |
|
Pypi |
项目详情
下载文件
下载适用于您的平台文件。如果您不确定要选择哪个,请了解更多关于 安装软件包 的信息。
源分发
pypogo-0.1.0.tar.gz (65.1 kB 查看哈希值)
构建分布版
pypogo-0.1.0-py3-none-any.whl (64.7 kB 查看哈希值)
关闭
pypogo-0.1.0.tar.gz的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | fb00b8a184bb9708415ea69e65cb6860f12ec5db9ea985ecf8939c5c31a144b0 |
|
MD5 | bd99d3ff06ff355e1a8d1c7ca39d2965 |
|
BLAKE2b-256 | 596d34c5bc3b99519a5431813a4663d3d086be64ef2203a2af7659bdf4ea8593 |
关闭
pypogo-0.1.0-py3-none-any.whl的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | 26b5019756e666ec173a8f191670b36eaccb2457a7dbe4fea593a09e757ea083 |
|
MD5 | e89e24f2be7b0e351a806df1554c4f71 |
|
BLAKE2b-256 | 785840fd433912200fba8f99d9a11787354f02a2ea537fa32c9993ee75b9e492 |