CDA數(shù)據(jù)分析師 出品

作者：Mika

【導(dǎo)讀】

今天帶大家用數(shù)據(jù)可視化解讀120 年奧運(yùn)變遷史。

幾經(jīng)波折，東京奧運(yùn)會(huì)終于即將迎來(lái)開幕的時(shí)刻，距離7月23日東京奧運(yùn)會(huì)開幕只有不到一周的時(shí)間了。

這次東京奧運(yùn)會(huì)真可謂是命運(yùn)多舛，在2020年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。

很快一年過(guò)去了，原以為疫情會(huì)過(guò)去，奧運(yùn)會(huì)可以如常展開。不想除了中國(guó)，全世界的疫情反反復(fù)復(fù)，Delta毒株的肆虐使得疫情更嚴(yán)重。

在這種形勢(shì)下的東京奧運(yùn)會(huì)也出臺(tái)各種防疫新規(guī)：

東京奧運(yùn)會(huì)開幕式有可能將入場(chǎng)觀眾人數(shù)壓縮至1000人以下；

運(yùn)動(dòng)員間需要保持社交距離，除了吃飯、睡覺(jué)、訓(xùn)練和比賽時(shí)間外，確保始終戴著口罩；

乒乓球賽制方面，比賽時(shí)運(yùn)動(dòng)員不許手觸球臺(tái)和吹球；

…...

這注定讓這次奧運(yùn)會(huì)成為最不平凡的一屆，而各種因素也導(dǎo)致本屆奧運(yùn)會(huì)的各國(guó)獎(jiǎng)牌榜更加難以預(yù)測(cè)，著名體育數(shù)據(jù)公司Gracenote就在預(yù)測(cè)報(bào)告中說(shuō)：“由于新冠肺炎疫情的影響，東京奧運(yùn)會(huì)或許成為最不可預(yù)測(cè)一屆奧運(yùn)會(huì)?！?

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)縱覽120年奧運(yùn)史。

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)模空前的反種族歧視行動(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(méi)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(guò)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(méi)有舉辦過(guò)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)

在人類奧林匹克史上，或許沒(méi)有哪一屆奧運(yùn)會(huì)，像2020東京奧運(yùn)會(huì)一樣曲折。由于各種不確定性，本屆奧運(yùn)會(huì)各代表團(tuán)對(duì)于參賽目標(biāo)都顯得十分低調(diào)。

不過(guò)，從另一個(gè)角度來(lái)看，不確定性也是體育比賽魅力的一部分，“最難猜”未必就“不精彩”。

東京奧運(yùn)，群雄逐鹿，一場(chǎng)大戲即將上演。最后讓我們一起期待我國(guó)奧運(yùn)健兒順利安全參賽，取得好成績(jī)吧！