可视化|东京奥运会可视化（二）

最新推荐文章于 2024-09-03 14:57:30 发布
最新推荐文章于 2024-09-03 14:57:30 发布
阅读量2k 收藏 30
点赞数 2
分类专栏： 可视化 文章标签： python 可视化 数据可视化 echarts
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/fangyibo24/article/details/122281612
版权

文章目录


  上篇博文【可视化|东京奥运会可视化（一）】中分享了东京奥运会奖牌榜可视化，下面我们继续介绍运动员可视化与国家奥委会可视化。

3.2 运动员可视化

3.2.1 数量可视化
1. 按国家奥委会聚合矩形树图

此处的矩形树图学习自另一个作者的可视化文章，但笔者暂时找不到当时那篇博文，等我找到后再补上原文链接！！！

# [可视化]按国家统计运动员数量
from pyecharts.charts import TreeMap
from pyecharts import options as opts
import pandas as pd

athletes_df=pd.read_csv("./DataSet/Athletes/athletes.csv")
df_t = athletes_df.groupby(['Team_NOC', 'sports'])['name'].count().reset_index()
df_t.columns = ['国家奥委会', '赛事', '人数']
 
data = []
country = []
for idx, row in df_t.iterrows():
    if row['国家奥委会'] in country:
        data[-1]['children'].append(dict(name=row['赛事'], value=row['人数']))
    else:
        data.append(dict(name=row['国家奥委会'], children=[dict(name=row['赛事'], value=row['人数'])]))
    country.append(row['国家奥委会'])

treemap = TreeMap(    
    init_opts=opts.InitOpts(
        theme='light',
        width='1000px',
        height='600px',
        # bg_color='rgb(0,0,0)'
        ))
treemap.add(
    "参赛人数", 
    data,
    leaf_depth=1,
    label_opts=opts.LabelOpts(position="inside", formatter='{b}：{c}名'),
    levels=[
            opts.TreeMapLevelsOpts(
                treemap_itemstyle_opts=opts.TreeMapItemStyleOpts(
                    border_color="#555", border_width=4, gap_width=4
                )
            ),
            opts.TreeMapLevelsOpts(
                color_saturation=[0.3, 0.6],
                treemap_itemstyle_opts=opts.TreeMapItemStyleOpts(
                    border_color_saturation=0.7, gap_width=2, border_width=2
                ),
            ),
            opts.TreeMapLevelsOpts(
                color_saturation=[0.3, 0.5],
                treemap_itemstyle_opts=opts.TreeMapItemStyleOpts(
                    border_color_saturation=0.6, gap_width=1
                ),
            ),
            # opts.TreeMapLevelsOpts(color_saturation=[0.3, 0.5]),
        ],
    )
treemap.set_global_opts(
    title_opts=opts.TitleOpts(title="2020东京奥运会参赛人数统计（国家/地区）", pos_left='center', title_textstyle_opts=opts.TextStyleOpts(font_size=20)),
    legend_opts=opts.LegendOpts(is_show=False)
    )
 
treemap.render('./Visual/运动员数量[国家].html')

在这里插入图片描述
  例如，点击【美国】，可以得到美国各个比赛项目的参赛人数统计。
在这里插入图片描述

2. 按赛事类型聚合矩形树图
# [可视化]按运动项目统计运动员数量
from pyecharts.charts import TreeMap
from pyecharts import options as opts

athletes_df=pd.read_csv("./DataSet/Athletes/athletes.csv")
df_t = athletes_df.groupby(['sports', 'Team_NOC'])['name'].count().reset_index()
df_t.columns = ['赛事', '国家奥委会', '人数']
 
data = []
event = []
for idx, row in df_t.iterrows():
    if row['赛事'] in event:
        data[-1]['children'].append(dict(name=row['国家奥委会'], value=row['人数']))
    else:
        data.append(dict(name=row['赛事'], children=[dict(name=row['国家奥委会'], value=row['人数'])]))
    event.append(row['赛事'])
 
 
tree = TreeMap(    
    init_opts=opts.InitOpts(
        theme='light',
        width='1000px',
        height='600px',
        # bg_color='rgb(0,0,0)'
        ))
tree.add(
    "参赛人数", 
    data,
    leaf_depth=1,
    label_opts=opts.LabelOpts(position="inside", formatter='{b}：{c}名'),
    levels=[
            opts.TreeMapLevelsOpts(
                treemap_itemstyle_opts=opts.TreeMapItemStyleOpts(
                    border_color="#555", border_width=4, gap_width=4
                )
            ),
            opts.TreeMapLevelsOpts(
                color_saturation=[0.3, 0.6],
                treemap_itemstyle_opts=opts.TreeMapItemStyleOpts(
                    border_color_saturation=0.7, gap_width=2, border_width=2
                ),
            ),
            opts.TreeMapLevelsOpts(
                color_saturation=[0.3, 0.5],
                treemap_itemstyle_opts=opts.TreeMapItemStyleOpts(
                    border_color_saturation=0.6, gap_width=1
                ),
            ),
            # opts.TreeMapLevelsOpts(color_saturation=[0.3, 0.5]),
        ],
    )
tree.set_global_opts(
    title_opts=opts.TitleOpts(
        title="2020东京奥运会参赛人数统计（赛事）", 
        pos_left='center', 
        title_textstyle_opts=opts.TextStyleOpts(font_size=20)
        ),
    legend_opts=opts.LegendOpts(
        is_show=False
        )
    )
tree.render('./Visual/运动员数量[赛事].html')

在这里插入图片描述
  例如，点击【赛艇】，可以得到各个国家奥委会在该项目的参赛人数统计。
在这里插入图片描述

3.2.2 地理可视化
1. 各国运动员分布地图
#[可视化]东京奥运会各国运动员分布地图
from pyecharts import options as opts
from pyecharts.charts import Map

# 名称映射
namemap_df=pd.read_csv("./DataSet/国家名中英文对照表.csv")
name_map=dict(namemap_df[['名称','英文名称']].values.tolist())
# 运动员数量统计
athlete_df=pd.read_csv("./DataSet/Athletes/athletes.csv")
data_list=athlete_df.groupby(by=['Team_NOC'])['name'].count().reset_index().values.tolist()
data_list2=[]
for data in data_list:
    if data[0] in name_map.keys():
        data=[name_map[data[0]],data[1]]
        data_list2.append(data)
map = (
    Map()
    .add("", data_list2, "world",
         is_map_symbol_show=False,
         )
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        title_opts=opts.TitleOpts(title="2020东京奥运会各国运动员分布图"),
        visualmap_opts=opts.VisualMapOpts(max_=500,range_color=['#feeeed','#d71345'])
    )
    .render("./Visual/[地图]各国运动员分布图.html")
)

在这里插入图片描述

3.2.3 比例可视化
1. 各国主要项目参赛运动员比例

此处的组合饼图学习自另一个作者的可视化文章，但笔者暂时找不到当时那篇博文，等我找到后再补上原文链接！！！

  利用Pandas从CSV中获取运动员数据，并按各国参赛项目计数：
在这里插入图片描述

pie = Pie(
    init_opts=opts.InitOpts(
        theme='light',
        width='1000px',
        height='800px',
    )
)
titles = [dict(
            text='2020东京奥运会各国主要项目参赛运动员比例',
            left='center',
            top='0%',
            textStyle=dict(
                color='#000',
                fontSize=20)
                )
                ]
for i, c in enumerate(country_list):
    d = df_t[df_t['Team_NOC'] == c].reset_index()
    data_pair = []
    else_num = 0
    for idx, row in d.iterrows():
        if idx < 5:
            data_pair.append(
                opts.PieItem(
                    name=row['sports'],
                    value=row['number'],
                    label_opts=opts.LabelOpts(
                        is_show=True, formatter='{b}:{d}%')
                )
            )
        else:
            else_num += row['number']
    data_pair.append(
        opts.PieItem(
            name='其他',
            value=else_num,
            label_opts=opts.LabelOpts(
                is_show=True, formatter='{b}:{d}%')
        )
    )
 
    pos_x = '{}%'.format(int(i / 4) * 33 + 16)
    pos_y = '{}%'.format(i % 4 * 24 + 20)
 
    titles.append(
        dict(
            text=c+' ',
            left=pos_x,
            top=pos_y,
            textAlign='center',
            textVerticalAlign='middle',
            textStyle=dict(
                color='#00BFFF',
                fontSize=12)
                )
    )
 
    pie.add(
        c,
        data_pair,
        center=[pos_x, pos_y],
        radius=['8%', '12%']
    )
 pie.set_global_opts(
    legend_opts=opts.LegendOpts(is_show=False),
    title_opts=titles
)
pie.render("./Visual/[组合饼图]各国主要项目参赛运动员比例.html")

在这里插入图片描述

3.3 国家奥委会可视化

3.3.1 比例可视化
1. 东京奥运会参赛国家获奖比例水滴图

  利用Pandas从CSV中获取参赛国家和获奖国家列表和数量：
在这里插入图片描述

#[可视化]东京奥运会参赛国家获奖比例水滴图
import pandas as pd
from pyecharts.charts import Liquid
from pyecharts import options as opts
from pyecharts.globals import SymbolType

c = (
    Liquid()
    .add("", [round(len(medals_country)/len(engage_country),2), 1-round(len(medals_country),2)], is_outline_show=False, shape=SymbolType.DIAMOND)
    .set_global_opts(title_opts=opts.TitleOpts(title="2020东京奥运会参赛国家获奖比例",title_textstyle_opts=opts.TextStyleOpts(font_size=20)))
    .render("./Visual/[水滴图]东京奥运会参赛国家获奖比例.html")
)

在这里插入图片描述
  可以更改水滴图的形状样式：

#[可视化]东京奥运会参赛国家获奖比例水滴图
import pandas as pd
from pyecharts.charts import Liquid
from pyecharts import options as opts
from pyecharts.globals import SymbolType

c = (
    Liquid()
    .add("", [round(len(medals_country)/len(engage_country),2)])
    .set_global_opts(title_opts=opts.TitleOpts(title="2020东京奥运会参赛国家获奖比例",title_textstyle_opts=opts.TextStyleOpts(font_size=20)))
    .render("./Visual/[水滴图]东京奥运会参赛国家获奖比例.html")
)

在这里插入图片描述

2. 东京奥运会参赛国家获奖比例饼图

  利用Pandas从CSV中获取参赛国家和获奖国家列表和数量：
在这里插入图片描述

#[可视化]东京奥运会参赛国家获奖比例饼图
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.globals import ThemeType

c = (
    Pie(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add("",[['获奖',93],["未获奖",113]])
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
    .set_global_opts(
        title_opts=opts.TitleOpts(title='2020东京奥运会参赛国家获奖比例',title_textstyle_opts=opts.TextStyleOpts(font_size=20)),
        legend_opts=opts.LegendOpts(is_show=False)
    )
    .render("./Visual/[饼图]东京奥运会参赛国家获奖比例饼图.html")
)

在这里插入图片描述

3. 东京奥运会参赛国家获奖比例组合图
#[可视化]东京奥运会参赛国家获奖比例组合图
import pandas as pd
from pyecharts.charts import Liquid, Pie, Grid
from pyecharts import options as opts
from pyecharts.globals import SymbolType
# 获奖国家数量
medals_country=list(pd.read_csv("./DataSet/Medals/all-sports_medals.csv")['国家奥委会'].drop_duplicates())
# 参赛国家数量
engage_country=list(pd.read_csv("./DataSet/Athletes/athletes.csv")['Team_NOC'].drop_duplicates())
liquid = (
    Liquid()
    .add("", [round(len(medals_country)/len(engage_country),2)],center=['70%','50%'])
    .set_global_opts(title_opts=opts.TitleOpts(title="2020东京奥运会参赛国家获奖比例",title_textstyle_opts=opts.TextStyleOpts(font_size=20)))
)
pie = (
    Pie(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add("",[['获奖',93],["未获奖",113]],center=['30%','50%'],radius=['20%','50%'])
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
    .set_global_opts(
        title_opts=opts.TitleOpts(title='2020东京奥运会参赛国家获奖比例',title_textstyle_opts=opts.TextStyleOpts(font_size=20)),
        legend_opts=opts.LegendOpts(is_show=True,pos_right='2%',pos_top='1%')
    )
)
grid = (
    Grid()
    .add(pie, grid_opts=opts.GridOpts())
    .add(liquid, grid_opts=opts.GridOpts())
    .render("./Visual/[饼图水滴图]东京奥运会参赛国家获奖比例.html")
)

在这里插入图片描述
  本项目以数据可视化的方式，结合可视分析学，对东京奥运会的数据进行搜集、处理、分析、提炼，并利用pyecharts绘制成可视化图表。至此，关于东京奥运会的可视化就结束啦，欢迎交流！

fangyibo24
关注
专栏目录
2020东京奥运会数据集echarts可视化分析
YacFighting的博客
11-29 2523
1.数据集的下载 2021 Olympics in Tokyo | Kaggle 部分数据集的内容如下 2.金牌榜前10名 <!DOCTYPE html> <html> <head> <meta charset="utf-8" /> <title>金牌榜前十</title> <script src="https://cdn.staticfile.org/echarts/4.3.0/echa
Pyecharts笔记(5)-树型图表、地理图表、3D图表、HTML 组件
Season CSDN博客
09-01 1860
整理树型图表、地理图表、3D图表、HTML 组件的文档。
数据可视化-奥运会分析
06-13
数据可视化-奥运会分析
Echarts图中的Treemap 图表底部的黑色显示区域隐藏
qq_61815434的博客
07-30 415
在option配置中的series中添加breadcrumb: { show: false},效果如下图所示：
我对120年的奥运数据进行了可视化分析，居然...
木东居士
12-09 3455
0x00 Tableau简介Tableau是一款定位于数据可视化敏捷开发和实现的商务智能展现工具，可用来实现交互的、可视化的分析和仪表盘应用。Tableau提供了体验感良好且易用的使用界...
使用tableau进行奥运数据可视化分析
最新发布
Pierre_Bezuhov的博客
09-03 324
随着2024巴黎奥运会的完美闭幕，大家对于体育赛事的热情也被点燃，这是一个利用tableau软件实现的关于奥运会的可视化分析。
可视化|东京奥运会可视化（一）
fangyibo24的博客
01-02 5877
可视化|东京奥运会可视化（一） 文章目录可视化|东京奥运会可视化（一）1 数据来源1.1 东京奥运会官网1.2 咪咕视频东京奥运会数据接口2 可视化工具3 可视化过程3.1 奖牌榜可视化3.1.1 数量可视化1. TOP20国家的金银铜数量堆叠柱状图/条形图2. TOP20国家的金牌数VS奖牌数对比柱状图3. 国家金牌优势项目分布旭日图4. 项目奖牌汇聚国家（美国｜中国｜日本）桑基图5. 美国｜中国｜日本球类运动优势雷达图6. 美国｜中国｜日本球类性别雷达图3.1.2 地理可视化1. 东京奥运会各国奖牌分布
数据爬虫及可视化——东京奥运会奖牌榜
hard_coding_wang
08-04 3149
东京奥运会奖牌榜爬虫通过手机浏览器实时查看奥运会奖牌信息将手机浏览器访问的地址复制，通过计算机浏览器访问打开谷歌浏览器的开发者工具，切换到network选项卡，刷新页面重新请求。拖动滚动条，找到具体获取本届奥运会的请求复制该请求，直接用浏览器访问使用在线json解析工具，简单解析数据爬取和解析数据爬取解析金牌榜信息提取金牌榜信息选择金牌榜前10国家和金牌数并封装数据绘制饼图 正值东京奥运会期间，除了为奥运健儿们加油，被他们“更高、更快，更强，更团结”的拼搏精神所折服外，作为一个热血青年，其实想更多地了解中国
奥运会数据分析与可视化预测-数据挖掘机器学习与数据分析项目jupyter
06-08
2020东京奥运会数据分析与可视化程序，jupyter 参考kaggle上的历史数据进行建模预测，不管是多少年份的奥运会都可以作为参考 包含完整的数据集，可以方便快捷运行。 本次预测程序采用了近`120`年的奥运奖牌榜作为...
数据获取及可视化源码(Jupiter).zip
08-04
这些文件主要是以东京奥运会奖牌榜为例，展示了如何从网络上获取数据并进行分析展示的过程。下面我们将详细探讨这两个关键领域。 首先，数据爬虫是互联网数据获取的重要技术。在这个项目中，开发者可能使用了Python...
基于Python的东京奥运会奖牌榜可视化设计源码
03-29
这是一个基于Python的东京奥运会奖牌榜可视化设计，使用Python语言开发，包含298个文件。主要文件类型包括224个PNG图片文件、62个Python源文件、3个TCL文件、1个gitignore文件、1个LICENSE文件、1个Markdown文档、1...
olymvis:可视化120年夏季奥运会
05-25
关于 该项目由和 ）以均等的贡献完成，作为教授的课程2019年秋季的最终论文。 概括 从1896年第一届现代奥林匹克运动会到2016年里约热内卢，夏季奥运会已有120年历史。 这项研究分析了有关奥运会的，并试图回答四个问题，即 这些年来女性参与度如何变化以及各大洲之间的变化如何不同， 在奥运会上是否有主场优势， 每个参与国和地区获得奖牌的“效率”如何；以及 哪些运动参加人数最多。 结果表明，在过去的120年中，运动员的总数和女性参与率都在增加。 另外，似乎还存在本国优势。 第三，奖牌效率与参与国或地区的经济发展高度相关。 最后，田径，体操和游泳的运动员数量最多。 我们的贡献 基于对我们正在解决的主题的先前可视化的以上讨论，我们的贡献是： 探索各大洲120年来女性参加夏季奥运会的尝试之一。 这种新的见解将很重要，因为尽管数据表明，参加奥运会的女性总体人数正在急剧增加，但各大洲的情况
120年奥运会成绩数据集
07-30
从1896年雅典奥运会至2016年里约奥运会120年奥运会成绩数据集，包括运动员成绩及奖牌资料。
Python制作可视化大屏（东京奥运会）
JUV_7的博客
10-27 2986
目录 文章目录 前言 一、数据爬取 二、数据预处理 三、Pyecharts可视化 3.1 2020东京奥运会各国金牌分布图 3.2 2020东京奥运会奖牌榜详情 3.3 2020东京奥运会中国各项目获奖详情 四、数据大屏布局 总结 前言 本文基于requests库爬取的奥运会相关数据，利用pandas库对数据进行处理之后，最后介绍了如何利用pyecharts库制作可视化大屏。 一、数据爬取 import requests import pandas a...
【2020东京奥运会】 数据分析及可视化
热门推荐
向日葵的专属太阳
08-13 1万+
⭐️【2020东京奥运会】 数据分析及可视化 ⭐️写在前面数据获取数据预处理数据可视化各地区奖牌数量分布奖牌榜前十中国夺金项目分类中国奖牌实时数量合成看板总结 写在前面 8月8日，小日…子过得挺好的日本选手的国家 举办的东京奥运会已经结束了。在奥运期间，主办方种种 奇葩操作 直接把我看傻，最终它们也通过独特的“手段” 挤入了前三名，在这里首先谢谢他们刷新了我对奥运的认知。同时，借此机会看看我国今年奥运会的获奖情况，话不多说进入正文。 数据获取 奥运会相关数据来自以下两个接口。 https://app-
巴黎奥运会各国奖牌数据可视化分析
m0_64087341的博客
08-14 646
从图中可以看出，美国在巴黎奥运会的奖牌数量最多，达到126枚，其次是中国的91枚，日本以45枚排在第三位。中国和美国相比，金牌数量一样，银牌和铜牌数量和美国还有差距。从图中可以看出，美国和中国金牌数量相当，均为40枚，其他国家的金牌数量不及中国/美国的一半，除了中国和美国外，其他8个国家金牌数量总体差距不大。由于官方只给出了具体的奖牌得数，可能大家看起来不是那么直观，所以本文就对巴黎奥运会的奖牌数量进行可视化分析，为了方便起见，本文只选取金牌数量前10的国家进行数据分析。
echarts的treemap如何给展示出来的内容添加百分比
rainbowyx的博客
03-10 1665
drawline4() { this.chartColumn4 = echarts.init(this.$refs.refcolumn4); // this.chartColumn1.clear(); this.chartColumn4.setOption({ title: { text: "", left: "center", textStyle: { fontSize.
可视化|历届奥运会数据可视化
fangyibo24的博客
01-03 8310
文章目录1 数据来源2 数据可视化2.1 数量可视化1. 男性运动员年龄分布直方图2. 女性运动员年龄分布直方图3. 全体运动员年龄分布直方图4. 男性运动员身高体重分布散点图5. 女性运动员身高体重分布散点图6. 全体运动员身高体重分布散点图2.2 地理可视化1. 历届奥运会各国运动员分布轮播地图2. 历届夏奥会各国运动员分布轮播地图3. 历届冬奥会各国运动员分布轮播地图4. 历届夏奥会主办城市地图5. 历届冬奥会主办城市地图6. 历届夏奥会主办城市轨迹地图7. 历届冬奥会主办城市轨迹地图8. 历届夏奥会
echarts矩形树图treemap初体验
qq_45752346的博客
12-08 6024
效果图如下 1、封装treeMap（treemap.vue） <template> <div :class="className" :style="{ height: height, width: width }" /> </template> <script> // 按需引入 引入 ECharts 主模块 // var echarts = require('echarts/lib/echarts' // 引入提示框和标题组件 require('.
二三维联动态势可视化系统设计与实现
"态势可视化的二三维联动技术探讨了如何结合二维和三维显示技术，以及相关的坐标转换、消息中间件和存档系统，以构建一个能够实现二三维联动的态势可视化系统。通过数据库API网关统一管理实体模型，并利用AAR系统...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值