百年奥运知多少（1）

最新推荐文章于 2024-05-18 17:00:54 发布
最新推荐文章于 2024-05-18 17:00:54 发布
阅读量1k 收藏 4
点赞数 2
分类专栏： 数据分析
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/qq_41097598/article/details/83970986
版权 
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
sns.set_style("ticks")#设置绘图风格
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题

path='athlete_events.csv'
data=pd.read_csv(path)

奥运会举办了多少届？

#提取出历届奥运举办城市并去重
games=data.loc[:,['Year','Season','City']].drop_duplicates()
games=games.sort_values(by=['Season','Year'])
games=games.set_index(['Season'])
summer_games=games.loc['Summer',:]
winter_games=games.loc['Winter',:]
print("从{}年到{}年，共举办了{}届奥运会。".format(games['Year'].min(),games['Year'].max(),len(games)))
print("夏季奥运会从{}年开始举办，共举办了{}届。".format(summer_games['Year'].min(),len(summer_games)))
print("冬季奥运会从{}年开始举办，共举办了{}届。".format(winter_games['Year'].min(),len(winter_games)))

从1896年到2016年，共举办了52届奥运会。
夏季奥运会从1896年开始举办，共举办了30届。
冬季奥运会从1924年开始举办，共举办了22届。

有多少个城市举办过奥运会？

games_city=games['City'].value_counts()
summer_games_city=summer_games['City'].value_counts()
winter_games_city=winter_games['City'].value_counts()
print("有{}个城市举办过奥运会，其中{}个举办过夏季奥运会，{}个举办过冬季奥运会，没有城市同时举办过夏季奥运会和冬季奥运会。".format(len(games_city),len(summer_games_city),len(winter_games_city)))

有42个城市举办过奥运会，其中23个举办过夏季奥运会，19个举办过冬季奥运会，没有城市同时举办过夏季奥运会和冬季奥运会。

print("举办过两次或两次以上夏季奥运会的城市：")
for c,t in zip(summer_games_city[summer_games_city>1].index,summer_games_city[summer_games_city>1].values):
    print("{}：{}次".format(c,t))

print("\n举办过两次或两次以上冬季奥运会的城市：")
for c,t in zip(winter_games_city[winter_games_city>1].index,winter_games_city[winter_games_city>1].values):
    print("{}：{}次".format(c,t))

举办过两次或两次以上夏季奥运会的城市：
Athina：3次
London：3次
Paris：2次
Los Angeles：2次
Stockholm：2次

举办过两次或两次以上冬季奥运会的城市：
Sankt Moritz：2次
Lake Placid：2次
Innsbruck：2次

奥运会有多少运动项目？

#项目去重
games_sports=data.loc[:,['Year','Season','Sport','Event']].drop_duplicates()
summer_sports=games_sports[games_sports['Season']=='Summer'].drop_duplicates()
winter_sports=games_sports[games_sports['Season']=='Winter'].drop_duplicates()

#汇总夏季、冬季奥运会的运动项目
summer_sports_counts=summer_sports.groupby(['Year','Sport']).count()
del summer_sports_counts['Season']

winter_sports_counts=winter_sports.groupby(['Year','Sport']).count()
del winter_sports_counts['Season']

fig=plt.figure(figsize=(12,6),dpi=100)
ax1=fig.add_subplot(111)
ax2=ax1.twinx()#建立副纵坐标轴
data_1=summer_sports_counts.groupby('Year').count().reset_index().sort_index()
data_2=summer_sports_counts.groupby('Year').sum().reset_index().sort_index()
x=np.arange(len(data_1))
y1=data_1['Event']
y2=data_2['Event']
tick_label=data_1['Year']
ax1.bar(x,y1,color='#eea2a4',label='运动大项')
ax1.set_xticks([i for i in range(len(data_1))])#设置x轴刻度，注意起始是1还是0
ax1.set_xticklabels(tick_label)
ax1.set_xlim(-1,len(data_1))
ax1.set_title("夏季奥运会运动项目数量变迁",fontsize=18)
ax2.plot(x,y2,marker='.',linewidth=0.8,color='#ed5a65',label='比赛项目')#将比赛项目数绘制在副坐标上
ax1.set_ylabel('运动大项数量')
ax2.set_ylabel('比赛项目数量')
ax1.legend(loc=(0.01,0.92))
ax2.legend(loc=(0.01,0.86))

夏季奥运会运动项目数量变迁

fig=plt.figure(figsize=(12,6),dpi=100)
ax1=fig.add_subplot(111)
ax2=ax1.twinx()
data_1=winter_sports_counts.groupby('Year').count().reset_index().sort_index()
data_2=winter_sports_counts.groupby('Year').sum().reset_index().sort_index()
x=np.arange(len(data_1))
y1=data_1['Event']
y2=data_2['Event']
tick_label=data_1['Year']
ax1.bar(x,y1,color='#c3d7df',label='运动大项')
ax1.set_xticks([i for i in range(len(data_1))])#设置x轴刻度，注意起始是1还是0
ax1.set_xticklabels(tick_label)
ax1.set_xlim(-1,len(data_1))
ax1.set_title("冬季奥运会运动大项数量变迁",fontsize=18)
ax2.plot(x,y2,marker='.',linewidth=0.8,color='#5cb3cc',label='比赛项目')
ax1.set_ylabel('运动大项数量')
ax2.set_ylabel('比赛项目数量')
ax1.legend(loc=(0.01,0.92))
ax2.legend(loc=(0.01,0.86))

冬季奥运会运动大项数量变迁

从整体上看，奥运会的运动大项和比赛项目数量都是逐年增加的。
运动大项数量方面，2000年以后夏季奥运会和冬季奥运会的运动大项数量基本保持不变了。
比赛项目方面，随着运动大项数量的逐渐稳定，夏季奥运会的比赛项目数量也逐渐稳定，但冬季奥运会的比赛项目数量还在逐年增加。

fig=plt.figure(figsize=(10,14),dpi=100)
ax1=fig.add_subplot(211)
data_1=summer_sports_counts.loc[2016].sort_values(by='Event',ascending=False)
x1=np.arange(len(data_1))
y1=data_1['Event']
y1_tick_label=data_1.index
ax1.barh(x1,y1,color='#ed5a65')
ax1.set_yticks([i for i in range(len(data_1))])#设置y轴刻度，注意起始是1还是0
ax1.set_yticklabels(y1_tick_label)
ax1.get_xaxis().set_visible(False)#设置x轴不可见
ax1.set_title("2016年里约奥运会运动小项数量",fontsize=18)
for x,y in enumerate(y1):
    ax1.text(y+0.5,x,y,va='center')

ax2=fig.add_subplot(212)
data_2=winter_sports_counts.loc[2014].sort_values(by='Event',ascending=False)
x2=np.arange(len(data_2))
y2=data_2['Event']
y2_tick_label=data_2.index
ax2.barh(x2,y2,color='#c3d7df')
ax2.set_yticks([i for i in range(len(data_2))])#设置y轴刻度，注意起始是1还是0
ax2.set_yticklabels(y2_tick_label)
ax2.get_xaxis().set_visible(False)#设置x轴不可见
ax2.set_title("2014年索契冬奥会运动小项数量",fontsize=18)
for x,y in enumerate(y2):
    ax2.text(y+0.1,x,y,va='center')

最近奥运会运动小项数量

夏季奥运会不同运动项目的比赛项目数量差异较大。2016年里约奥运会，比赛项目最多的两个运动项目是田径（47项）和游泳（34项），远多于其他运动。
而冬季奥运会的比赛项目数量差异相对较小。2014年索契冬奥会比赛项目最多的两项是越野滑雪（12项）和速度滑冰（12项）。

有多少个国家（地区）参加过奥运会？

country=data.loc[:,['NOC','Year','Season']].drop_duplicates()
country_summer=country[country['Season']=='Summer'].drop(['Season'],axis=1)
country_winter=country[country['Season']=='Winter'].drop(['Season'],axis=1)
country_summer=country_summer.groupby('Year').count().reset_index()
country_winter=country_winter.groupby('Year').count().reset_index()

fig=plt.figure(figsize=(12,8),dpi=100)
ax1=fig.add_subplot(121)
x1=np.arange(len(country_summer))
y1=country_summer.sort_index(ascending=False)['NOC']
tick_label=country_summer.sort_index(ascending=False)['Year']
ax1.barh(x1,y1,color='#ed5a65')
ax1.set_yticks([i for i in x1])#设置y轴刻度，注意起始是1还是0
ax1.set_yticklabels(tick_label)
ax1.set_ylim(-1,len(country_summer))
ax1.set_xlim(0,220)
ax1.get_xaxis().set_visible(False)#设置x轴不可见
ax1.set_title("历届夏季奥运会参加国家（地区）")
for x,y in enumerate(y1):
    ax1.text(y+0.5,x,y,va='center')
    
ax2=fig.add_subplot(122)
#data_2=winter_sports_counts.groupby('Year').count().reset_index().sort_index(ascending=False)
x2=np.arange(len(country_winter))
y2=country_winter.sort_index(ascending=False)['NOC']
tick_label=country_winter.sort_index(ascending=False)['Year']
ax2.barh(x2,y2,color='#c3d7df')
ax2.set_yticks([i for i in x2])#设置y轴刻度，注意起始是1还是0
ax2.set_yticklabels(tick_label)
ax2.set_ylim(-1,len(country_winter))
ax2.get_xaxis().set_visible(False)#设置x轴不可见
ax2.set_title("历届冬季奥运会参加国家（地区）")
for x,y in enumerate(y2):
    ax2.text(y+0.5,x,y,va='center')

参加奥运会的国家

奥运会的参赛国家（地区）是逐年增加的，除了1976年蒙特利尔奥运会和1980莫斯科奥运会。
1976年是蒙特利尔奥运会是由于南非政权邀请新西兰橄榄球队访问，坦桑尼亚等22个非洲国家联合抵制新西兰参加的当年奥运会。
1980莫斯科奥运会则是由于1979年圣诞节前夕，前苏联出兵入侵阿富汗，因此遭到了许多国家的抵制。

关于参赛运动员

ID是运动员的唯一标识，一个运动员可能参加好几届奥运会。因此，若要统计历届奥运会的相关信息，就不能单独利用ID去重。

#整理运动员数据，若一个运动员在一届奥运会中参加多个项目，那么只保留一次
athlete=data.loc[:,['ID','Name','Sex','Age','Height','Weight','Team','NOC','Year','Season','City','Sport','Event']].drop_duplicates(subset=['ID','Year'])
athlete_summer=athlete[athlete['Season']=='Summer']
athlete_winter=athlete[athlete['Season']=='Winter']

运动员的性别

历届奥运的性别比

athlete_sex=athlete.loc[:,['Year','Sex','Season']]
#利用crosstab制作性别交叉表，分年统计男女人数
athlete_sex_count=pd.crosstab(athlete_sex['Year'],athlete_sex['Sex'],margins=True).reset_index()

fig=plt.figure(figsize=(6,6),dpi=100)
ax=fig.add_subplot(111)
size=0.5
labels=['Female','Male']
ax.pie(athlete_sex_count.iloc[-1,[1,2]],
       labels=labels,startangle=90,autopct='%.1f%%',colors=sns.color_palette("husl",2),
       radius=1.1,#控制饼图半径，默认为1
       pctdistance=0.75,#控制百分比显示位置
       counterclock=False,#控制显示顺序，默认逆时针
       wedgeprops=dict(width=size,edgecolor='w'),#控制甜甜圈的宽度，边缘颜色等
       textprops=dict(fontsize=10)#控制字号及颜色等
      )
ax.set_title('奥运会运动员男女性别比',fontsize=15)

运动员性别比

总体来看，参加过奥运会的男运动员远多于女运动员，男运动员比例近四分之三。

#统计夏季奥运性别
summer_sex=athlete.loc[:,['Year','Sex','Season']][athlete.loc[:,['Year','Sex','Season']]['Season']=='Summer']
summer_sex_count=pd.crosstab(summer_sex['Year'],summer_sex['Sex']).reset_index()
summer_sex_count['Sex_ratio']=summer_sex_count['F']/summer_sex_count['M']

#统计冬季奥运性别
winter_sex=athlete.loc[:,['Year','Sex','Season']][athlete.loc[:,['Year','Sex','Season']]['Season']=='Winter']
winter_sex_count=pd.crosstab(winter_sex['Year'],winter_sex['Sex']).reset_index()
winter_sex_count['Sex_ratio']=winter_sex_count['F']/winter_sex_count['M']

fig,ax=plt.subplots(figsize=(12,6),dpi=100)
x1=summer_sex_count['Year']
y1=summer_sex_count['Sex_ratio']
x2=winter_sex_count['Year']
y2=winter_sex_count['Sex_ratio']
ax.plot(x1,y1,marker='o',color='#ed5a65',label='Summer Olympic')
ax.plot(x2,y2,marker='^',color='#c3d7df',label='Winter Olympic')
ax.set_xticks(np.linspace(1896,2016,num=31))
ax.set_ylabel('性别比（女/男）')
ax.set_title('历届奥运会男女性别比',fontsize=18)
ax.legend()

奥运会性别比变化

整体上看，奥运会女性运动员的比例是逐渐升高的。第一届奥运会没有女运动员参加。
到80年代，女性运动员比例升高得比较缓慢。
从80年代中期开始，女运动员比例升高得非常迅速。到2016年，夏季奥运会的运动员男女性别比（女/男）已经超过0.8。近几届冬季奥运会的女运动员比例低于夏季奥运会，运动员男女性别比（女/男）为0.7左右。

运动项目的性别比

#按运动分类计算运动员性别比
sport_sex=athlete.loc[:,['Sport','Sex','Season']]
sport_sex_count=pd.crosstab(sport_sex['Sport'],sport_sex['Sex']).reset_index()
sport_sex_count['Sex_ratio']=sport_sex_count['F']/sport_sex_count['M']
sport_sex_count=sport_sex_count.sort_values(by='Sex_ratio',ascending=False)

sport_sex_count[(sport_sex_count['F']==0)|(sport_sex_count['M']==0)]
SexSportFMSex_ratio
41Rhythmic Gymnastics6580inf
52Softball4780inf
55Synchronized Swimming7280inf
61Tug-Of-War01700.000000
0Aeronautics010.000000
44Rugby01590.000000
42Roque040.000000
40Racquets050.000000
39Polo0940.000000
38Nordic Combined07200.000000
35Military Ski Patrol0230.000000
31Jeu De Paume0110.000000
15Cricket0240.000000
9Basque Pelota020.000000
7Baseball08940.000000
33Lacrosse0600.000000

艺术体操、垒球、花样游泳只有女运动员参加。
棒球、橄榄球等13项运动只有男运动员参加。

sport_sex_count[(sport_sex_count['F']!=0)&(sport_sex_count['M']!=0)]
fig=plt.figure(figsize=(10,15),dpi=100)
ax=fig.add_subplot(111)
x=range(len(sport_sex_count[(sport_sex_count['F']!=0)&(sport_sex_count['M']!=0)]))
y=sport_sex_count[(sport_sex_count['F']!=0)&(sport_sex_count['M']!=0)]['Sex_ratio']
tick_label=sport_sex_count[(sport_sex_count['F']!=0)&(sport_sex_count['M']!=0)]['Sport']
ax.barh(x,y,color='#ff9900')
ax.set_yticks([i for i in range(len(sport_sex_count[(sport_sex_count['F']!=0)&(sport_sex_count['M']!=0)]))])
ax.set_yticklabels(tick_label)
ax.set_ylim(-1,50)
ax.set_xlabel('性别比（女/男）')
ax.set_title('奥运会各项运动的男女性别比',fontsize=18)
for x,y in enumerate(y):
    ax.text(y+0.003,x,'{:.3f}'.format(y),va='center')

运动项目性别比

sport_sex_count[(sport_sex_count['F']!=0)&(sport_sex_count['M']!=0)].head(5)
SexSportFMSex_ratio
23Figure Skating111610661.046904
59Trampolining76761.000000
60Triathlon2632660.988722
45Rugby Sevens1481510.980132
57Taekwondo2993070.973941
sport_sex_count[(sport_sex_count['F']!=0)&(sport_sex_count['M']!=0)].tail(5)
SexSportFMSex_ratio
12Bobsleigh14321890.065327
65Wrestling30465390.046490
2Alpinism1240.041667
50Ski Jumping3012460.024077
13Boxing7259660.012068

不同运动项目的性别比差异非常大。
女运动员占比最高的五项运动是花样滑冰、蹦床、铁人三项、七人制橄榄球和跆拳道。其中花样滑冰的性别比超过了1。
男运动员占比最高的三项运动是登山、跳台滑雪、拳击、摔跤和雪车。

运动员的参赛年龄

#夏季奥运会运动员的参赛年龄汇总
athlete_summer[['Age']].describe()
Age
count152317.000000
mean25.907331
std6.277178
min10.000000
25%22.000000
50%25.000000
75%29.000000
max97.000000
#冬季奥运会运动员的参赛年龄汇总
athlete_winter[['Age']].describe()
Age
count28368.000000
mean25.100783
std4.956407
min11.000000
25%22.000000
50%25.000000
75%28.000000
max58.000000
athlete_summer_m=athlete_summer[athlete_summer['Sex']=='M']
athlete_summer_f=athlete_summer[athlete_summer['Sex']=='F']
athlete_winter_m=athlete_winter[athlete_winter['Sex']=='M']
athlete_winter_f=athlete_winter[athlete_winter['Sex']=='F']

#绘制身高变化趋势，同时观察每届的身高范围
fig=plt.figure(figsize=(12,6),dpi=100)
ax=fig.add_subplot(111)
ax=sns.lineplot(x="Year", y="Age", data=athlete_summer_m,marker='.',label='summer male',color='#ed5a65')
ax=sns.lineplot(x="Year", y="Age", data=athlete_summer_f,marker='^',label='summer female',color='#ed5a65')
ax=sns.lineplot(x="Year", y="Age", data=athlete_winter_m,marker='.',label='winter male',color='#8abcd1')
ax=sns.lineplot(x="Year", y="Age", data=athlete_winter_f,marker='^',label='winter female',color='#8abcd1')
ax.set_xticks(np.linspace(1896,2016,num=31))
ax.set_title('历届奥运会运动员平均年龄变迁',fontsize=18)
ax.legend(loc=0)

运动员年龄变化

早期奥运会的运动员年龄差异较大，后期逐渐趋于稳定，平均在25岁左右。
按夏季和冬季奥运会分，夏季奥运会运动员的平均年龄在大多数时期是大于冬季奥运会的，但到了近几届，这种差异已经非常小。
按性别分，除了少数几届运动会，男运动员的平均年龄均大于女运动员。

athlete_summer_sport_age=athlete_summer.loc[:,['Sport','Age']].groupby('Sport').mean().sort_values(by='Age',ascending=False).reset_index()

fig=plt.figure(figsize=(10,15),dpi=100)
ax=fig.add_subplot(111)
y=athlete_summer_sport_age['Age']
x=athlete_summer_sport_age.index
tick_label=athlete_summer_sport_age['Sport']
ax.barh(x,y,color='#ed5a65')
ax.set_yticks([i for i in range(len(athlete_summer_sport_age))])#设置y轴刻度，注意起始是1还是0
ax.set_yticklabels(tick_label)
ax.set_ylim(-1,52)
ax.get_xaxis().set_visible(False)#设置x轴不可见
ax.set_title("夏季奥运会各类运动平均参赛年龄",fontsize=18)
for x,y in enumerate(y):
    ax.text(y+0.5,x,'{:.1f}'.format(y),va='center')

夏季奥运会项目平均年龄

夏季奥运会不同比赛项目的平均年龄相差很大。Roque（短柄槌球）的平均年龄最高，达53.3岁。第二高的Art Competitions（艺术竞赛）为44.7岁。但这些项目仅出现在早期奥运会中，目前已不是夏季奥运会比赛项目。
平均年龄最小的项目是艺术体操，仅有18.7岁。

athlete_winter_sport_age=athlete_winter.loc[:,['Sport','Age']].groupby('Sport').mean().sort_values(by='Age',ascending=False).reset_index()

fig=plt.figure(figsize=(10,8),dpi=100)
ax=fig.add_subplot(111)
y=athlete_winter_sport_age['Age']
x=athlete_winter_sport_age.index
tick_label=athlete_winter_sport_age['Sport']
ax.barh(x,y,color='#c3d7df')
ax.set_yticks([i for i in range(len(athlete_winter_sport_age))])#设置y轴刻度，注意起始是1还是0
ax.set_yticklabels(tick_label)
ax.set_ylim(-1,17)
ax.get_xaxis().set_visible(False)#设置x轴不可见
ax.set_title("冬季奥运会各类运动平均参赛年龄",fontsize=18)
for x,y in enumerate(y):
    ax.text(y+0.2,x,'{:.1f}'.format(y),va='center')

冬季奥运会项目平均年龄

冬季奥运会不同运动项目的平均年龄差异不如夏季奥运会大。平均年龄最大的Alpinism（登山）也已不是冬季奥运会项目。

总的来看，不管是夏季奥运会还是冬季奥运会，平均年龄较大的项目都是对身体条件和状态要求相对较小，而对经验要求相对较高的项目，例如冰壶、马术、射击等。
而对身体要求较高的运动的平均年龄都较小，例如体操、游泳、花样滑冰、短道速滑等。

运动员的身体条件

#整理出运动员资料
athlete_phy=athlete.loc[:,['Height','Weight','Sex','Year','Season','Sport']]
#添加BMI列
athlete_phy['BMI']=athlete_phy['Weight']/(athlete_phy['Height']/100)**2
athlete_phy.head()
HeightWeightSexYearSeasonSportBMI
0180.080.0M1992SummerBasketball24.691358
1170.060.0M2012SummerJudo20.761246
2NaNNaNM1920SummerFootballNaN
3NaNNaNM1900SummerTug-Of-WarNaN
4185.082.0F1988WinterSpeed Skating23.959094
#夏季、冬季奥运会运动员资料分开
summer_phy=athlete_phy[athlete_phy['Season']=='Summer'].groupby(['Year','Sex']).mean().unstack()
winter_phy=athlete_phy[athlete_phy['Season']=='Winter'].groupby(['Year','Sex']).mean().unstack()

#夏季、冬季奥运会的男、女运动员资料分开
male_summer_phy=athlete_phy[(athlete_phy['Season']=='Summer')&(athlete_phy['Sex']=='M')]
female_summer_phy=athlete_phy[(athlete_phy['Season']=='Summer')&(athlete_phy['Sex']=='F')]
male_winter_phy=athlete_phy[(athlete_phy['Season']=='Winter')&(athlete_phy['Sex']=='M')]
female_winter_phy=athlete_phy[(athlete_phy['Season']=='Winter')&(athlete_phy['Sex']=='F')]

运动员的身高

运动员在变高
fig=plt.figure(figsize=(8,6),dpi=100)
ax=fig.add_subplot(111)
h_m=athlete_phy[athlete_phy['Sex']=='M'].loc[:,'Height'].dropna()
h_f=athlete_phy[athlete_phy['Sex']=='F'].loc[:,'Height'].dropna()
ax=sns.distplot(h_m,color='#36ADA4',label='male')
ax=sns.distplot(h_f,color='#F77189',label='female')
ax.set_title('运动员身高分布',fontsize=18)
ax.legend()

运动员身高分布

男运动员的身高整体高于女运动员。

#绘制身高变化趋势，同时观察每届的身高范围
fig=plt.figure(figsize=(12,6),dpi=100)
ax=fig.add_subplot(111)
ax=sns.lineplot(x="Year", y="Height", data=male_summer_phy,marker='.',label='male_summer',color='#ed5a65')
ax=sns.lineplot(x="Year", y="Height", data=female_summer_phy,marker='^',label='female_summer',color='#ed5a65')

ax=sns.lineplot(x="Year", y="Height", data=male_winter_phy,marker='.',label='male_winter',color='#8abcd1')
ax=sns.lineplot(x="Year", y="Height", data=female_winter_phy,marker='^',label='female_winter',color='#8abcd1')
ax.set_xticks(np.linspace(1896,2016,num=31))
ax.set_title('历届奥运会运动员平均身高变迁',fontsize=18)
ax.legend(loc=3)

运动员身高变化

早期运动员身高差异较大，后期运动员的身高差异相对越来越小，并且平均身高越来越高。
男运动员的平均身高高于女运动员。夏季奥运会的平均身高高于冬季运动会。

哪个项目的运动员最高？
#不分性别的各类运动平均身高
athlete_height=athlete_phy.loc[:,['Sport','Height']].dropna().groupby('Sport').mean().sort_values(by='Height',ascending=False).reset_index()
#男女分开的各类运动平均身高
athlete_height_m=athlete_phy[athlete_phy['Sex']=='M'].loc[:,['Sport','Height']].dropna().groupby('Sport').mean().sort_values(by='Height',ascending=False).reset_index()
athlete_height_f=athlete_phy[athlete_phy['Sex']=='F'].loc[:,['Sport','Height']].dropna().groupby('Sport').mean().sort_values(by='Height',ascending=False).reset_index()

#男女身高合并
height_m_f=pd.merge(athlete_height_m,athlete_height_f,how='outer',on='Sport').fillna(0).rename(columns=(dict(Height_x='M',Height_y='F')))

fig,ax=plt.subplots(figsize=(11,14),dpi=100)
h_m=height_m_f['M']
h_f=height_m_f['F']
x=np.arange(len(height_m_f))
tick_label=height_m_f['Sport']
ax.barh(x,h_m,color='#36ADA4',alpha=0.6,label='male')
ax.barh(x,h_f,color='#F77189',alpha=0.6,label='female')
ax.set_yticks(np.linspace(0,len(height_m_f)-1,num=len(height_m_f)))
#ax.set_xlim(150,197)
ax.set_ylim(-1,len(height_m_f))
ax.set_yticklabels(tick_label)
ax.set_title('各项运动平均身高',fontsize=18)
ax.legend()

分项平均身高

#男运动员平均身高最高项目与最矮项目之差
height_m_f['M'].max()-height_m_f[height_m_f['M']>0]['M'].min()

27.25261090790002

#女运动员平均身高最高项目与最矮项目之差
height_m_f['F'].max()-height_m_f[height_m_f['F']>0]['F'].min()

26.462577158540597

不同运动项目的平均身高相差很大，男女平均身高最高的项目均是篮球，平均身高最矮的项目均是体操。项目平均身高差均达到26cm以上。

运动员的体重

运动员原来越重
fig=plt.figure(figsize=(8,6),dpi=100)
ax=fig.add_subplot(111)
w_m=athlete_phy[athlete_phy['Sex']=='M'].loc[:,'Weight'].dropna()
w_f=athlete_phy[athlete_phy['Sex']=='F'].loc[:,'Weight'].dropna()
ax=sns.distplot(w_m,color='#36ADA4',label='male')
ax=sns.distplot(w_f,color='#F77189',label='female')
ax.set_title('运动员体重分布',fontsize=18)
ax.legend()

运动员体重分布

男运动员的体重整体大于女运动员。女运动员的体重分布相对更为集中。

#绘制体重变化趋势，同时观察每届的体重范围
fig=plt.figure(figsize=(12,6),dpi=100)
ax=fig.add_subplot(111)
ax=sns.lineplot(x="Year", y="Weight", data=male_summer_phy,marker='.',label='male_summer',color='#ed5a65')
ax=sns.lineplot(x="Year", y="Weight", data=female_summer_phy,marker='^',label='female_summer',color='#ed5a65')

ax=sns.lineplot(x="Year", y="Weight", data=male_winter_phy,marker='.',label='male_winter',color='#8abcd1')
ax=sns.lineplot(x="Year", y="Weight", data=female_winter_phy,marker='^',label='female_winter',color='#8abcd1')
ax.set_xticks(np.linspace(1896,2016,num=31))
ax.set_title('历届奥运会运动员平均体重变迁',fontsize=18)
ax.legend(loc=3)

运动员体重变化

运动员体重的差异也是从大到小。体重变化呈现出升高的趋势，男运动员较为明显。
近几届冬夏奥运会的男运动员身高十分接近，但夏季奥运会女运动员的平均身高高于冬季奥运会女运动员。

哪个项目的运动员最重
#不分性别的各类运动平均体重
athlete_weight=athlete_phy.loc[:,['Sport','Weight']].dropna().groupby('Sport').mean().sort_values(by='Weight',ascending=False).reset_index()
#男女分开的各类运动平均体重
athlete_weight_m=athlete_phy[athlete_phy['Sex']=='M'].loc[:,['Sport','Weight']].dropna().groupby('Sport').mean().sort_values(by='Weight',ascending=False).reset_index()
athlete_weight_f=athlete_phy[athlete_phy['Sex']=='F'].loc[:,['Sport','Weight']].dropna().groupby('Sport').mean().sort_values(by='Weight',ascending=False).reset_index()

#合并男女体重到一张表
weight_m_f=pd.merge(athlete_weight_m,athlete_weight_f,how='outer',on='Sport').fillna(0).rename(columns=(dict(Weight_x='M',Weight_y='F')))

fig,ax=plt.subplots(figsize=(11,14),dpi=100)
w_m=weight_m_f['M']
w_f=weight_m_f['F']
x=np.arange(len(weight_m_f))
tick_label=weight_m_f['Sport']
ax.barh(x,w_m,color='#36ADA4',alpha=0.6,label='male')
ax.barh(x,w_f,color='#F77189',alpha=0.6,label='female')
ax.set_yticks(np.linspace(0,len(weight_m_f)-1,num=len(weight_m_f)))
ax.set_ylim(-1,len(weight_m_f))
ax.set_yticklabels(tick_label)
ax.set_title('各项运动平均体重',fontsize=18)
ax.legend()

分项平均体重

男运动员平均体重最高的项目是tug of war（拔河），但目前已经取消。现存奥运项目男女平均体重最高的项目均为篮球，平均体重最低的项目均为体操。

运动员的BMI

运动员的BMI变化不大
fig=plt.figure(figsize=(8,6),dpi=100)
ax=fig.add_subplot(111)
BMI_m=athlete_phy[athlete_phy['Sex']=='M'].loc[:,'BMI'].dropna()
BMI_f=athlete_phy[athlete_phy['Sex']=='F'].loc[:,'BMI'].dropna()
ax=sns.distplot(BMI_m,color='#36ADA4',label='male')
ax=sns.distplot(BMI_f,color='#F77189',label='female')
ax.set_title('运动员BMI分布',fontsize=18)
ax.legend()

运动员BMI分布

与身高、体重相比，运动员BMI指数的分布更为集中。

#绘制BMI变化趋势，同时观察每届的BMI范围
fig=plt.figure(figsize=(12,6),dpi=100)
ax=fig.add_subplot(111)
BMI_s_m=athlete_phy[(athlete_phy['Season']=='Summer')&(athlete_phy['Sex']=='M')]
BMI_s_f=athlete_phy[(athlete_phy['Season']=='Summer')&(athlete_phy['Sex']=='F')]
ax=sns.lineplot(x="Year", y="BMI", data=BMI_s_m,marker='.',label='male_summer',color='#ed5a65')
ax=sns.lineplot(x="Year", y="BMI", data=BMI_s_f,marker='^',label='female_summer',color='#ed5a65')

BMI_w_m=athlete_phy[(athlete_phy['Season']=='Winter')&(athlete_phy['Sex']=='M')]
BMI_w_f=athlete_phy[(athlete_phy['Season']=='Winter')&(athlete_phy['Sex']=='F')]
ax=sns.lineplot(x="Year", y="BMI", data=BMI_w_m,marker='.',label='male_winter',color='#8abcd1')
ax=sns.lineplot(x="Year", y="BMI", data=BMI_w_f,marker='^',label='female_winter',color='#8abcd1')
ax.set_xticks(np.linspace(1896,2016,num=31))
ax.set_title('历届奥运会运动员平均BMI变迁',fontsize=18)
ax.legend(loc=3)

运动员BMI变化

早期奥运会运动员的BMI指数差异较大，近几届奥运会，BMI指数的差异已经减小很多。
与身高体重不同的是，BMI指数并没有呈现一个十分明显的升高或者降低的趋势。并且，虽然身高、体重方面都是夏季奥运会的运动员更高，但是BMI指数方面却是冬季奥运会的运动员更高。

哪个项目运动员的BMI最大
#不分性别的各类运动平均BMI
athlete_BMI=athlete_phy.loc[:,['Sport','BMI']].dropna().groupby('Sport').mean().sort_values(by='BMI',ascending=False).reset_index()
#男女分开的各类运动平均BMI
athlete_BMI_m=athlete_phy[athlete_phy['Sex']=='M'].loc[:,['Sport','BMI']].dropna().groupby('Sport').mean().sort_values(by='BMI',ascending=False).reset_index()
athlete_BMI_f=athlete_phy[athlete_phy['Sex']=='F'].loc[:,['Sport','BMI']].dropna().groupby('Sport').mean().sort_values(by='BMI',ascending=False).reset_index()
#合并男女BMI
BMI_m_f=pd.merge(athlete_BMI_m,athlete_BMI_f,how='outer',on='Sport').fillna(0).rename(columns=(dict(BMI_x='M',BMI_y='F')))
BMI_m_f.head()
SportMF
0Weightlifting28.03510925.963200
1Tug-Of-War27.4676850.000000
2Rugby Sevens27.16962923.683783
3Bobsleigh27.12550424.291185
4Judo26.20534623.979138
fig,ax=plt.subplots(figsize=(11,14),dpi=100)
BMI_m=BMI_m_f['M']
BMI_f=BMI_m_f['F']
x=np.arange(len(BMI_m_f))
tick_label=BMI_m_f['Sport']
ax.barh(x,BMI_m,color='#36ADA4',alpha=0.6,label='male')
ax.barh(x,BMI_f,color='#F77189',alpha=0.6,label='female')
ax.set_yticks(np.linspace(0,len(BMI_m_f)-1,num=len(BMI_m_f)))
ax.set_ylim(-1,len(BMI_m_f))
ax.set_yticklabels(tick_label)
ax.set_title('各项运动平均BMI',fontsize=18)
ax.legend()

分项BMI

男女运动员平均BMI指数最高的项目均为举重。平均BMI指数最低的项目，男运动员是铁人三项，女运动员是艺术体操。

采蘑菇的小白
关注
专栏目录
基于python的奥运会历史数据分析【120年】
xff123456_的博客
03-18 2782
数据分析实战案例
Pandas数据分析实战06
清弦墨客的博客
02-16 331
Pandas数据分析实战06Pandas数据分析实战06任务目标数据准备代码展示 Pandas数据分析实战06 任务目标 读取运动员的数据athlete_events.csv,并且获取以下对应countries国家的运动员身高数据。 • 展示其数据的分布，异常点等。 • 查看中国身高的排行 数据准备 athlete_events.csv 链接：https://pan.baidu.com/s/1jfeTXBHpBtPFgC7LhrsdVQ 提取码：a6ar 代码展示 import numpy as np im
athlete_events.csv
07-27
用于文章的数据处理方面 里面提供了奥运会至今的可获得的运动员信息
Python——奥运会数据分析（2）
最新发布
龙皮皮的博客
05-18 1425
Python——mean、max、min、value_counts、info、describe、insert、drop、loc与iloc
百年孤独思维导图共1页.pdf-文档整理可打印.zip
08-07
这个压缩包文件包含的"百年孤独思维导图共1页.pdf"显然是对这部作品的一个精炼概括，通过思维导图的形式，将全书的主要情节、人物关系以及主题思想进行了视觉化的呈现。思维导图是一种有效的学习工具，它帮助读者以...
化妆品行业日本美业百年发展史复盘：美妆百年知兴替，各领风骚数十年.pdf
03-24
化妆品行业日本美业百年发展史复盘：美妆百年知兴替，各领风骚数十年.pdf
四年级信息技术上册 风雨百年话奥运 1教案 龙教版.doc
10-23
四年级信息技术上册 风雨百年话奥运 1教案 龙教版.doc
走科学发展之路树百年蜜妍品牌香蜜之君妍(1).pdf
03-12
【走科学发展之路树百年蜜妍品牌香蜜之君妍】这篇文档主要探讨的是美容化妆品行业的科学发展和品牌建设问题。在当前激烈的市场竞争环境下，蜜妍品牌以其独特的经营理念和对科学健康的执着追求，展现了如何在行业中...
百年奥运难美项群竞争态势探析 (2003年)
05-20
通过对第1～27届奥运会难美项群项目的奖牌统计，对不同历史阶段奥林匹克运动的竞争态势进行探讨，其结果为：1)难美项群的奖牌分布在欧、美、亚地区，其中男女项目欧洲占绝对优势，竞技体操则以欧亚为主；2)以原苏联...
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。
Olympics Althlete Events Analysis 奥运会阿尔斯莱特事件分析-数据集
03-11
奥运会是运动员和有抱负的运动员一生中最负盛名的盛事，在世界各地受到庆祝和尊重。此数据集由 1896 年至 2016 年的一个多世纪的奥运会数据组成。研究这个数据集将帮助您了解奥运会遵循的模式，最成功的运动员和国家在他们的奥运之旅模式等等！此数据集将帮助您使用统计方法了解您希望在奥运会上了解的每一个细节和信息，同时帮助您提高数据科学家的技能。 file/opensearch/documents/93247/athlete_events.csv
Athlete-开源
04-26
运动员是生活在ODE（开放动力引擎）世界中的虚拟机器人。 基于DR-EA-M实现了一种进化算法，以优化其性能。 这涉及遗传算法，神经元网络和形态。 一切都在java中。
120年奥运会数据分析和可视化
weixin_46383210的博客
04-02 3739
整理作业用的 # coding=utf-8 #第一步，导出相关函数库 import numpy as np import pandas as pd import matplotlib.pyplot as plt import math import scipy.stats as st import statsmodels.api as sm import seaborn as sns from pylab import mpl from matplotlib.font_manager import Fon
使用 Elastic Stack 来分析奥运数据（一）
Elastic 中国社区官方博客
02-21 1957
最近冬奥会在中国北京顺利举行。这是一件举国高兴的事。在历届都有许多的奥运数据，我们是否可以使用 Elastic Stack 来分析这些数据，并为我国的体育事业提供一些洞察呢？ 最近，孩子学校布置了一个寒假的科技信息作用。内容如下： 1、使用网络及其他方式，完成数据搜集，收集2014、2018、2022三届冬奥会的相关数据，例如举办国家、城市、日期、吉祥物、获得前20（以金牌计）的国家，金、银、铜牌数量等相关信息，同学可以根据爱好，选择五种自己喜爱的运动，并查找此三届冬奥会中，中国、美国、俄罗斯、日
R数据分析｜可视化｜dplyr｜Kaggle奥运会数据集（一）
cassie9908的博客
07-21 2005
研究1896年至2016年奥运会运动员的数据集，主要指标有身高、体重、年龄、国籍、参与项目、是否获得金/银/铜牌。通过运用R软件对数据作描述性统计、可视化分析。先了解数据集的基本信息，例如首次创办奥运的时间、比赛项目；再得到有关运动员的信息，例如人数、男女比例、身体指标；之后观察各国获奖牌数的情况；最后深入探索男子球类项目——如各国运动员身高体重年龄的差异、影响此类项目获奖牌数的重要因素等。
数据挖掘小案例
热门推荐
ABCisCOOL的博客
07-01 1万+
数据挖掘的入门案例总结
JAVA实验三 抽象类的继承和接口的实现 （多态）
而濡木染
04-14 1万+
题目要求： 1.编写一个ComputerAverage抽象类，类中有一个抽象方法求平均分average，可以有参数。定义Gymnastics类和School类，它们都是ComputerAverage的子类，Gymnastics类中计算选手的平均成绩的方法是去掉一个最低分，去掉一个最高分，然后求平均分。School中计算平均分的方法是直接是总分除以总科目。 要求：定义ComputerAverag
可视化|历届奥运会数据可视化
fangyibo24的博客
01-03 8442
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
鲁百年讲授：全面企业绩效管理CPM深度解析
"全面企业绩效管理CPM_鲁百年" 鲁百年教授主讲的"全面企业绩效管理CPM"课程深入探讨了企业管理的核心议题，旨在帮助学员理解和实施有效的绩效管理系统。课程内容丰富，涵盖企业管理的问题、企业绩效管理的定义与...
评论
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