Python数据分析之--运动员数据揭秘（二）

      接上一篇Python数据分析之--运动员数据揭秘（一），今天的分析主题：运动员身材揭秘

分析资料及工具：Spyder/Python3.6/Excle/奥运运动员数据.xlsx

声明：分析所用数据来自城市数据团（2016年的历史数据）

      我也有用Excle对数据进行简单分析，结果见运动员数据可视化

首先给大家看看，用python分析所绘制的结果图：

       好了现在步入正题，打开Spyder新建文件，开启数据分析之旅。

首先导入相关工具包并创建好工作路径

import numpy as np               # numpy - Python的数值计算扩展工具包
import pandas as pd              # pandas - 基于Numpy的数据处理工具包
import matplotlib.pyplot as plt  # matplotlib - Python的绘图工具包
import seaborn as sns            # seaborn - matplotlib基础上的高级可视化工具包

import os
os.chdir('C:\\Users\\lenovo\\Desktop\\')    # 创建工作路径

      读取数据，查看基本信息

# 读取数据
df = pd.read_excel('奥运运动员数据.xlsx',sheetname=1)
df_length = len(df)
df_columns = df.columns.tolist()

      因为要对运动员身材进行分析，所以基本的姓名、项目字段是需要的；因为采集的源数据里有身高和体重，所以采用BMI指数来作为身材的衡量指标。

      数据筛选，选取姓名、项目、身高、体重这4个字段

data = df[['name','event','height','weight']]

      在spyder里查看，发现有些项目人数太少(数据收集过程的问题)，不具有代表意义，所以对远动员数量少于15人的项目，进行查找并筛除

# 查看数据样本中少于15人的项目
event_count = data['event'].value_counts()
event_drop = event_count[event_count<15]  #查看event_drop，只有 swim 项目
# 数据清洗, 去掉运动员少于15人的项目数据, 去掉个别缺失值
data2 = data[data['event'] != 'swim']
data2.dropna(inplace = True)            

      接下来要计算运动员BMI指数；BMI计算公式：体重(kg)/(身高*身高(m))；由于源数据中身高的单位是cm,所以要对身高/100后再计算。

data2['BMI'] = data2['weight']/(data2['height']/100)**2 

      对数据进行可视化，绘图

sns.set_style("ticks")       #图表风格设置
plt.figure(figsize = (8,4))  #画布大小设置

      绘制小提琴图

sns.violinplot(x="event", y="BMI", data=data2,
               scale = 'count',      # 宽度以样本数量来显示，数据样本越多，小提琴图越宽
               palette = "hls",      # 设置调色盘颜色     
               inner = "quartile")   # 内部显示为分位数

      给小提琴图内部加上散点图，显示每项数据的具体分布情况

sns.swarmplot(x="event", y="BMI", data=data2, color="w", alpha=.8,s=2)

      绘制图表细节，保存导出

plt.grid(linestyle = '--')         # 添加网格线
plt.title("Athlete's BMI")         # 设置标题
#plt.savefig('pic-2.png',dpi=400)  # 图表导出

运行就得到了之前展示的图表：

      这里根据运动员群体自身特点，不能按照标准的BMI指数来理解；所以将指数分为四挡：低于18.5纤瘦，18.5-23.9适中，24-27强壮，28-32极壮.

       根据图我们可以看到，超过28的主要是举重、篮球、拳击这三个项目，也比较合理，因为这些项目本身对身体素质要求就很高；而低于18.5的主要是拳击、体操、游泳这三项，拳击主要是因为比赛有分不同的重量级，这部分是属于重量较轻的部分，而体操和游泳对身体灵敏度有要求，所以也有部分运动员比较纤瘦，这与我们平时的印象也相符；其他项目的运动员基本都处于适中状态；根据图的宽度，可以判断样本数量，本次分析中，运动员数量较多的是篮球、体操和游泳这三项；散点图表示各个运动员数据的整体分布情况。