【导读】
今天带各人用数据可视化解读120 年奥运变迁史。几经曲折，东京奥运会末于即将迎来开幕的时刻，间隔7月23日东京奥运会开幕只要不到一周的时间了。
此次东京奥运会实可谓是命运多舛，在2020年3月24日，东京奥组委宣告，2020东京夏日奥运会延期至2021年夏日举行。
很快一年过去了，原认为疫情会过去，奥运会能够如常展开。不想除了中国，全世界的疫情反频频复，Delta毒株的残虐使得疫情更严峻。
在那种形势下的东京奥运会也出台各类防疫新规：
东京奥运会开幕式有可能将入场不雅世人数压缩至1000人以下；
运发动间需要连结社交间隔，除了吃饭、睡觉、训练和角逐时间外，确保始末戴着口罩；
乒乓球赛造方面，角逐时运发动不准手触球台和吹球；
…...
那必定让此次奥运会成为最不服凡的一届，而各类因素也招致本届奥运会的列国奖牌榜愈加难以预测，出名体育数据公司Gracenote就在预测陈述中说：“因为新冠肺炎疫情的影响，东京奥运会或许成为最不成预测一届奥运会。”
那么关于奥运会那场世界上影响力更大的体育盛会，背后有哪些有趣的数据？
奥运会参赛国数量和角逐项目有哪些变革？列国累计奖牌数排名是如何的？参赛运发动的年龄和身高有哪些特征？今天我们就带你用数据来纵览120年奥运史。奥林匹克运动会发源于两千多年前的古希腊，因举办地在奥林匹亚而得名。并于1896年举办了首届奥运会，1924年举办了首届冬奥会，是世界上影响力更大的体育盛会。
01 数据理解我们拔取了一个关于现代奥运会的汗青数据集，包罗从1896年雅典奥运会到2016年里约奥运会的所有奥运会。
数据集取自网站：http://www.sports-reference.com
需要留意的是，冬季奥运会和夏日奥运会从1994年起分隔，每两年间隔举行，1992年冬季奥运会是最初一届与夏日奥运会同年举行的冬奥会。自1924年起头第1届，截至2018年共举办了23届，每四年一届。
athlete_events.csv 文件包罗271116行和15列。每一行对应于在一个零丁的奥运会项目（运发动项目）中参赛的运发动。列为：
ID - 运发动的ID编号Name - 运发动姓名Sex - 性别Age - 年龄Height - 身高(cm)Weight - 体重(kg)Team - 步队名称NOC - 国度奥委会编码Games - 年份和季节Year - 年份Season - 季节City - 主办城市Sport - 体育运动Event - 角逐项目Medal - 获奖情况(金牌、银牌、铜牌或无)02 读入数据起首导入包和数据。
# 导入库 import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import plotly as py import plotly.graph_objs as go import plotly.express as px import plotly.figure_factory as ff from plotly.subplots import make_subplots pyplot = py.offline.plot # 读入数据 df_athlete = pd.read_csv(./archive/athlete_events.csv) df_regions = pd.read_csv(./archive/noc_regions.csv) df_athlete.head()
df_athlete.info()
<class pandas.core.frame.DataFrame>
RangeIndex: 271116 entries, 0 to 271115
Data columns (total 15 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 ID 271116 non-null int64
1 Name 271116 non-null object
2 Sex 271116 non-null object
3 Age 261642 non-null float64
4 Height 210945 non-null float64
5 Weight 208241 non-null float64
6 Team 271116 non-null object
7 NOC 271116 non-null object
8 Games 271116 non-null object
9 Year 271116 non-null int64
10 Season 271116 non-null object
11 City 271116 non-null object
12 Sport 271116 non-null object
13 Event 271116 non-null object
14 Medal 39783 non-null object
dtypes: float64(3), int64(2), object(10)
memory usage: 31.0+ MB
df_regions.head()
03 数据预处置
此处对数据做以下处置，以便利后续的阐发：
将两个数据集横向合并为一个数据集，Key为NOC那一列Sex：数据值替代Medal：空值填充# 合并数据 df_all = pd.merge(df_athlete, df_regions, how=left, on=NOC) # 处置Sex列 df_all[Sex] = df_all[Sex].map({M: Male, F: Female}) # 处置Medal列 df_all[Medal].fillna(No Medal, inplace=True) df_all.head()
04 数据可视化
我们利用处置好的数据做数据可视化阐发，成果如下：
1奥运会总体数据
参赛国度数量变革
整体上来看，参赛国度呈现上升趋向，但此中有两届奥运会存在异常的下降。别离是：
1976年蒙特利尔奥运会：呈现了规模空前的反种族蔑视动作，此次运动会遭到了非洲国度的抵抗，规模远逊于上届。
1980年莫斯科奥运会：为了暗示对苏联入侵阿富汗的训斥和愤慨，美国带头回绝参与1980年的莫斯科奥运会，并号召其他国度一路抵抗。在美国的号召下，最末一共有65个国度抵抗莫斯科奥运会，占其时报名参赛国数量的五分之二。最初只要80个国度参与莫斯科奥运会， 大约5000余人参赛，参赛人数还没有参与报导的记者数量多，创汗青记录。
角逐项目数量变革
能够看出，奥运会的角逐项目呈现海浪式上升的趋向，此中在1980-2000年那20年，角逐项目增长趋向更大，且以夏日奥运会尤为凸起，但2000年以后角逐项目增加趋向渐渐变成平稳的态势了。
各个国度累计奖牌数量TOP 20
我们拔取了各个项目获得奖牌数目排名前20的国度，通过比力发现美国不论是金牌、银牌仍是铜牌都领先良多，然后是俄罗斯和德国。因为缺席了多届奥运会，我国的累计奖牌数排名偏后。
2 奥运会参赛运发动数据
每届参赛人数
从图中能够察看到，夏日奥运会参赛最多人数的是2000年的悉尼奥运会，参赛人数13821人，冬季奥运会参赛人数最多的是2014年，参赛人数4891人。
参与夏日奥运会的人数远远多于冬季的人数，可能是角逐项目少的原因。同时，第一次世界大战和第二次世界大战期间没有举办过奥运会。
参赛运发动男女人数和比例变革
(男女人数变革)
（男女比例变革）我们纵不雅整个奥运汗青，固然奥运会的起头，运发动男女比例较为悬殊，男性运发动占比不断高于女性运发动。但是我们能够看到，跟着奥运会的开展，女性运发动的占比不断在提拔，目前参与奥运会男女比例几乎接近于1:1。
参赛运发动年龄和奖牌数
图中能够看出，年龄的散布呈现右偏散布，此中80%的区域集中在19岁到33岁之间，25岁摆布是运发动的黄金年龄。
纵不雅整个奥运史，年龄最小的运发动仅为10岁。1896年，第一届现代奥运会在希腊举办，仅仅10岁零218天的东道主体操选手Dimitrios Loundras参赛并获得了铜牌，
1928年阿姆斯特丹夏日奥运会中，一名97岁高龄的美国“运发动”，参与了雕琢的“运动项目”，但并未获得名次。那个记录应该是不会被突破了。
参赛运发动的身高、体重散布
（身高变革）
（体重变革）我们挑选了1960年之后的数据，发现参赛选手中男性身高散布在127cm-226cm之间，女性身高散布在127cm-213cm之间，男性体重的散布在37kg-226kg之间，女性的体重散布在25kg-167kg之间。
结语在人类奥林匹克史上，或许没有哪一届奥运会，像2020东京奥运会一样盘曲。因为各类不确定性，本届奥运会各代表团关于参赛目的都显得非常低调。
不外，从另一个角度来看，不确定性也是体育角逐魅力的一部门，“最难猜”未必就“不出色”。
东京奥运，群雄逐鹿，一场大戏即将上演。最初让我们一路等待我国奥运健儿顺利平安参赛，获得好成就吧！
参考材料：
http://rstudio-pubs-static.s3.amazonaws.com/510365_4989159dfb754097843f17b9606aabfe.html
维基百科 奥林匹克运动会
https://zh.wikipedia.org/wiki/%E5%A5%A5%E6%9E%97%E5%8C%B9%E5%85%8B%E8%BF%90%E5%8A%A8%E4%BC%9A
本文出品：CDA数据阐发师