CDA數(shù)據(jù)分析師 出品  

作者：真達(dá)、Mika

數(shù)據(jù)：真達(dá)  

【導(dǎo)讀】

2020年年初，突然襲來(lái)的新冠疫情給我們的生活帶來(lái)了巨大的改變，與此同時(shí)也讓許多國(guó)際體育賽事停擺。3月24日，東京奧組委宣告，2020東京夏季奧運(yùn)會(huì)延期至2021年夏季舉行。

隨著國(guó)內(nèi)疫情逐漸得到有效控制，我們的生活已步入正軌，但全球的疫情形勢(shì)還很嚴(yán)峻。8月份以來(lái)，日本的第二波疫情來(lái)勢(shì)洶洶，單日新增確診人數(shù)不斷刷新歷史新高，11月18日單日新增確診人數(shù)已達(dá)到2201人。

這也使得原本延遲一年的2020東京奧運(yùn)會(huì)，再次籠罩上了一層不確定性。人們不禁在想，已經(jīng)要延期一年的東京奧運(yùn)會(huì)還能順利舉辦嗎？

那么關(guān)于奧運(yùn)會(huì)這場(chǎng)世界上影響力最大的體育盛會(huì)，背后有哪些有趣的數(shù)據(jù)。

奧運(yùn)會(huì)參賽國(guó)數(shù)量和比賽項(xiàng)目有哪些變化？

各國(guó)累計(jì)獎(jiǎng)牌數(shù)排名是怎樣的？

參賽運(yùn)動(dòng)員的年齡和身高有哪些特征？

今天我們就帶你用數(shù)據(jù)來(lái)好好盤一盤。

奧林匹克運(yùn)動(dòng)會(huì)發(fā)源于兩千多年前的古希臘，因舉辦地在奧林匹亞而得名。并于1896年舉辦了首屆奧運(yùn)會(huì)，1924年舉辦了首屆冬奧會(huì)，是世界上影響力最大的體育盛會(huì)。

01數(shù)據(jù)理解

我們選取了一個(gè)關(guān)于現(xiàn)代奧運(yùn)會(huì)的歷史數(shù)據(jù)集，包括從1896年雅典奧運(yùn)會(huì)到2016年里約奧運(yùn)會(huì)的所有奧運(yùn)會(huì)。

數(shù)據(jù)集取自網(wǎng)站：www.sports-reference.com

需要注意的是，冬季奧運(yùn)會(huì)和夏季奧運(yùn)會(huì)從1994年起分開，每?jī)赡觊g隔舉行，1992年冬季奧運(yùn)會(huì)是最后一屆與夏季奧運(yùn)會(huì)同年舉行的冬奧會(huì)。自1924年開始第1屆，截至2018年共舉辦了23屆，每四年一屆。

athlete_events.csv 文件包含271116行和15列。每一行對(duì)應(yīng)于在一個(gè)單獨(dú)的奧運(yùn)會(huì)項(xiàng)目（運(yùn)動(dòng)員項(xiàng)目）中參賽的運(yùn)動(dòng)員。列為：

• ID - 運(yùn)動(dòng)員的ID編號(hào)
• Name - 運(yùn)動(dòng)員姓名
• Sex - 性別
• Age - 年齡
• Height - 身高(cm)
• Weight - 體重(kg)
• Team - 隊(duì)伍名稱
• NOC - 國(guó)家奧委會(huì)編碼
• Games - 年份和季節(jié)
• Year - 年份
• Season - 季節(jié)
• City - 主辦城市
• Sport - 體育運(yùn)動(dòng)
• Event - 比賽項(xiàng)目
• Medal - 獲獎(jiǎng)情況(金牌、銀牌、銅牌或無(wú))

02讀入數(shù)據(jù)

 首先導(dǎo)入包和數(shù)據(jù)。

# 導(dǎo)入庫(kù)
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

# 讀入數(shù)據(jù)
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數(shù)據(jù)預(yù)處理

此處對(duì)數(shù)據(jù)做以下處理，以方便后續(xù)的分析：

• 將兩個(gè)數(shù)據(jù)集橫向合并為一個(gè)數(shù)據(jù)集，Key為NOC這一列
• Sex：數(shù)據(jù)值替換
• Medal：空值填充

# 合并數(shù)據(jù)
df_all = pd.merge(df_athlete, df_regions, how='left', on='NOC')

# 處理Sex列
df_all['Sex'] = df_all['Sex'].map({'M': 'Male', 'F': 'Female'})

# 處理Medal列
df_all['Medal'].fillna('No Medal', inplace=True)
df_all.head() 

04數(shù)據(jù)可視化

我們使用處理好的數(shù)據(jù)做數(shù)據(jù)可視化分析，結(jié)果如下：

1奧運(yùn)會(huì)總體數(shù)據(jù)

參賽國(guó)家數(shù)量變化

整體上來(lái)看，參賽國(guó)家呈現(xiàn)上升趨勢(shì)，但其中有兩屆奧運(yùn)會(huì)存在異常的下降。分別是：

1976年蒙特利爾奧運(yùn)會(huì)：出現(xiàn)了規(guī)?？涨暗姆捶N族歧視行動(dòng)，此次運(yùn)動(dòng)會(huì)遭到了非洲國(guó)家的抵制，規(guī)模遠(yuǎn)遜于上屆。

1980年莫斯科奧運(yùn)會(huì)：為了表示對(duì)蘇聯(lián)入侵阿富汗的譴責(zé)和憤怒，美國(guó)帶頭拒絕參加1980年的莫斯科奧運(yùn)會(huì)，并號(hào)召其他國(guó)家一起抵制。在美國(guó)的號(hào)召下，最終一共有65個(gè)國(guó)家抵制莫斯科奧運(yùn)會(huì)，占當(dāng)時(shí)報(bào)名參賽國(guó)數(shù)量的五分之二。最后只有80個(gè)國(guó)家參加莫斯科奧運(yùn)會(huì)， 大約5000余人參賽，參賽人數(shù)還沒有參與報(bào)道的記者數(shù)量多，創(chuàng)歷史記錄。

比賽項(xiàng)目數(shù)量變化

可以看出，奧運(yùn)會(huì)的比賽項(xiàng)目呈現(xiàn)波浪式上升的趨勢(shì)，其中在1980-2000年這20年，比賽項(xiàng)目增長(zhǎng)趨勢(shì)最大，且以夏季奧運(yùn)會(huì)尤為突出，但2000年以后比賽項(xiàng)目增加趨勢(shì)慢慢變?yōu)槠椒€(wěn)的態(tài)勢(shì)了。

各個(gè)國(guó)家累計(jì)獎(jiǎng)牌數(shù)量TOP 20

我們選取了各個(gè)項(xiàng)目獲得獎(jiǎng)牌數(shù)目排名前20的國(guó)家，通過比較發(fā)現(xiàn)美國(guó)不管是金牌、銀牌還是銅牌都領(lǐng)先很多，然后是俄羅斯和德國(guó)。由于缺席了多屆奧運(yùn)會(huì)，我國(guó)的累計(jì)獎(jiǎng)牌數(shù)排名偏后。

2奧運(yùn)會(huì)參賽運(yùn)動(dòng)員數(shù)據(jù)

每屆參賽人數(shù)

從圖中可以觀察到，夏季奧運(yùn)會(huì)參賽最多人數(shù)的是2000年的悉尼奧運(yùn)會(huì)，參賽人數(shù)13821人，冬季奧運(yùn)會(huì)參賽人數(shù)最多的是2014年，參賽人數(shù)4891人。

參加夏季奧運(yùn)會(huì)的人數(shù)遠(yuǎn)遠(yuǎn)多于冬季的人數(shù)，可能是比賽項(xiàng)目少的原因。同時(shí)，第一次世界大戰(zhàn)和第二次世界大戰(zhàn)期間沒有舉辦過奧運(yùn)會(huì)。

參賽運(yùn)動(dòng)員男女人數(shù)和比例變化

(男女人數(shù)變化)

（男女比例變化）

我們縱觀整個(gè)奧運(yùn)歷史，雖然奧運(yùn)會(huì)的開始，運(yùn)動(dòng)員男女比例較為懸殊，男性運(yùn)動(dòng)員占比一直高于女性運(yùn)動(dòng)員。但是我們可以看到，隨著奧運(yùn)會(huì)的發(fā)展，女性運(yùn)動(dòng)員的占比一直在提升，目前參加奧運(yùn)會(huì)男女比例幾乎接近于1:1。

參賽運(yùn)動(dòng)員年齡和獎(jiǎng)牌數(shù)

圖中可以看出，年齡的分布呈現(xiàn)右偏分布，其中80%的區(qū)域集中在19歲到33歲之間，25歲左右是運(yùn)動(dòng)員的黃金年齡。

縱觀整個(gè)奧運(yùn)史，年齡最小的運(yùn)動(dòng)員僅為10歲。1896年，第一屆現(xiàn)代奧運(yùn)會(huì)在希臘舉辦，僅僅10歲零218天的東道主體操選手Dimitrios Loundras參賽并獲得了銅牌，

1928年阿姆斯特丹夏季奧運(yùn)會(huì)中，一名97歲高齡的美國(guó)“運(yùn)動(dòng)員”，參加了雕刻的“運(yùn)動(dòng)項(xiàng)目”，但并未獲得名次。這個(gè)記錄應(yīng)該是不會(huì)被打破了。

參賽運(yùn)動(dòng)員的身高、體重分布

（身高變化）

（體重變化）

我們篩選了1960年之后的數(shù)據(jù)，發(fā)現(xiàn)參賽選手中男性身高分布在127cm-226cm之間，女性身高分布在127cm-213cm之間，男性體重的分布在37kg-226kg之間，女性的體重分布在25kg-167kg之間。

結(jié)語(yǔ)

由于新冠疫情的影響，日本東京奧運(yùn)會(huì)成為了現(xiàn)代奧林匹克運(yùn)動(dòng)史上首屆被推遲的奧運(yùn)會(huì)。而這次延期帶來(lái)的影響無(wú)疑是巨大的，據(jù)多家日本媒體報(bào)道，東京奧運(yùn)會(huì)推遲舉行造成的直接經(jīng)濟(jì)損失約為60億美元。賽事場(chǎng)館和酒店的支出、人力成本等各項(xiàng)額外開支，都會(huì)讓東道主接下來(lái)的籌辦捉襟見肘?？傊?，還是期待明年的全球疫情能夠有所好轉(zhuǎn)吧...

參考資料：

http://rstudio-pubs-static.s3.amazonaws.com/510365_4989159dfb754097843f17b9606aabfe.html

維基百科 奧林匹克運(yùn)動(dòng)會(huì)

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

——熱門課程推薦：