APP推广合作
联系“鸟哥笔记小乔”
可以拿来练手的百年奥运数据分析项目
2021-08-11 14:16:20

你好,我是可乐


2020东京奥运会已经结束了,才想起来写一篇关于奥运会的数据分析文章,真是前些天都太热衷于追奥运了。


找了一下,网上果然有从1896第一届现代奥运会开始至2016年里约奥运会的全部数据,当然如果你感兴趣,还可以把2020年的给加上,于是,我们就可以用这些数据来重新回顾一下这100多年来的奥运会历史了,看可以从中得出哪些结论!



01提出问题

奥运会,全称:奥林匹克运动会,发源于2000多年前的古希腊,因举办地在奥林匹亚而得名,每4年一届,是世界上影响力最大的体育盛会。


1896年,停办了1500年的奥运会终于得以重办,这也是首届现代奥运会,如今已举办了32界夏季奥运会,23界冬季奥运会。


我们可以带着以下3个问题来分析这份数据,了解历史。


1、地域上,哪些国家/地区举办奥运会次数最多?参赛的运动员最多?获奖最多?


2、个人上,历年来男女参赛的运动员表现如何?


3、项目上,有没有哪些项目是某些国家/地区的强项?

02数据探查

数据来源:https://www.heywhale.com/mw/dataset/5b62ca77a711e60010ab1154


共两份数据,一份athlete_events.csv,包含了参赛运动员基本生物数据和奖牌结果。


一份noc_regions.csv,是国家奥委会3个字母的代码与对应国家信息。


分析工具:Power BI + Excel

1、字段介绍

运动员数据包含了从1896年至2016年,历届奥运会每位运动员参赛的数据,共271116行15个字段,每行对应每位运动员参加奥运会项目的信息。


ID:每个运动员的唯一编号,共135571个编号


Name:运动员姓名


Sex:运动员性别,F是女性,M是男性


Age:运动员年龄


Height:运动员身高,单位cm


Weight:运动员体重,单位kg


Team:运动员代表队,如中国


NOC:国家奥委会三字代码


Games:运动员参加的哪一届奥运会


Year:年份


Season:季节


City:主办城市,如北京


Sport:运动项目,如篮球


Event:具体项目,如男子篮球


Medal:奖牌,如金牌、银牌、铜牌或没有


奥委会数据:


NOC:国家奥委会3个字母的代码


Region:国家/地区


Notes:备注


这里需要理解的是:


ID号比实际数据量少是因为会有1个运动员参加几个项目的情况,一个运动员对应一个ID编号,而非一条数据对应一个ID。


NOC是指国家奥委会三字代码,比如中国的代码是CHN


GAMES是用年份+季节命名的哪一届奥运会,比如2016 Summer是2016年夏季奥运会。奥运会其实包含夏季奥运会、冬季奥运会、残奥会等,夏奥会受关注较多,这份数据是包含夏奥会和冬奥会的。


TEAM是该运动员所在的代表队,也就是运动员所属的国家/地区。插播一条冷知识,奥运会是以奥委会为代表团参加的,而不是以国家为代表,所以也一直在强调“国家或地区”这个概念,也是为什么台湾会参与,并且是以中华台北的名义,因为中华台北奥委会是国际奥委会的成员,所以它可以参与,历史上它还以“中华民国”的名义参与,被我们抵制了。


将两份数据以NOC为共同字段进行关联,就可以得到每个运动员所属的国家/地区了。


将数据导入Power BI,它会自动设置好关联。



2、数据处理

缺失值

这份数据在Age、Height、Weight、Medal列存在缺失值:


Medal的缺失值表示该运动员在此项目上没有拿到奖牌,不用处理


Age列有9474个缺失值,占比3.5%


Height列有60171个缺失值,占比22%


Weight列有62875个缺失值,占比23%


年龄、身高、体重属于个人信息,本来想做一些填充处理,但发现很多空值都是某一个国家,一个类别的项目,一大片的缺失,无法根据已知信息去填充,所以这里就空着吧,保留原始数据。


异常值

Team里命名是不规范的,可以看到一个代表队后面跟了好几个数字,但好在这些代表队的奥委会编码NOC都是一样的,因此可以直接根据NOC去匹配国家/地区,这里就不处理了。其他的数据都比较规范,没有什么异常值。



重复值

介绍字段的时候提到了,一个ID代表一个运动员参加的一个项目,因此ID重复是正常的,因为一个运动员可能不止参加一项比赛。

03数据分析

夏季奥运会从1896年开始,每4年举办一次,这份数据是到2016年的,共举办了29次,冬季奥运会举办了22次。


相信对数字敏感的你已经发现问题了,文章开头刚提到2020东京奥运会是第32界奥运会,这里的夏季奥运会怎么才举办了29次呢?少了哪3届没有举办呢?


其实看一下年份就发现端倪了,两次世界大战的缘故,原拟在1916、1940、1944年举办的三届奥运会成了空白。


参与人数逐年增加

从1896年第一届现代奥运会176名运动员12个国家/地区参赛开始,到2016年伦敦奥运会11179名206个国家/地区,运动员参赛数量逐渐增加(2020年东京奥运会参赛运动员11669名,204个国家/地区),下图是夏季奥运会的运动员参赛数量和参数国家/地区数的图。



图中红圈圈出来的是3个明显的低点,非常值得说道:


1932年洛杉矶奥运会,因费用问题,参赛人数显著减少,值得一提的是,也是此次奥运会,中国首次派出了代表团,也就是我国奥运第一人刘长春,参与了田径项目,这也是我们征战奥运的第一枪。


1956年墨尔本奥运会,是历史上唯一一次在不同时间、地点举行的奥运会,且当时正值美苏冷战的大背景下,多国弃权,人数少也就可想而知了。并且此次奥运会中国代表团拒绝参赛,原因是国际奥委会一面承认中华人民共和国,一面同意台湾以“中华民国”名义参加奥运会,为了反对分裂中国的企图,中国严肃地抵制了该届奥运会。


1980年莫斯科奥运会,当时苏联还没解体,奥运会第一次在社会主义国家举办,为了抗议苏联入侵阿富汗,美国等国发起抵制莫斯科奥运会,使得最终只有80个国家参加,这是自1956年以来最少国家参加的一届奥运会。

女性运动员参赛人数逐渐增加

1900年23名女性首次参加了奥运会,占比1.87%,1980年开始女性参赛的数量大幅增加,到2016年5034名女运动员参赛,占比45%



历史上男女运动员比例。



比赛项目种类逐渐丰富

历届奥运会比赛项目种类也是逐渐增加,1896年夏奥会上只有9个,到2016年有36个项目。



参与人数最多的运动

历史上参与人数最多的项目是田径,其次是游泳、划船、足球。



男女运动员参与这些项目的人数比例情况如下图,在棒球、北欧两项(冬奥会项目)、拔河、橄榄球、马球、长曲棍球等13个项目上完全没有女运动员参与,不过在艺术体操、花样游泳、垒球上也都没有男运动员参加




1、国家/地区之最

No.1 哪个国家参加奥运会的次数最多

历史上总共有208个国家/地区参加过奥运会,澳大利亚、法国、希腊、意大利、瑞典参加了全部29次夏季奥运会,中国参加了19次


No.2 哪个国家派遣的运动员最多

可以看到历史上美国派遣参加奥运会的人数最多,其次是德国,中国排在第11位,这也和我们前期没参与有关。


No.3 举办奥运会次数最多的城市是哪个

历史上共有42个城市举办过奥运会,其中雅典和伦敦举办过3次,因斯布鲁克、普莱西德湖城、洛杉矶、巴黎、圣莫里兹、斯德哥尔摩举办了两次,剩下的城市都只举办过1次。



通过绘制数据地图可以看出,欧洲国家不管是在单个城市承办次数还是数量上都有明显优势,不过北京也马上要成为举办过2次奥运会的城市了(2008年夏季奥运会和即将到来的2022年冬季奥运会)。


No.4 哪个国家获奖最多?

历史上获得奖牌最多的国家是美国,其次是俄罗斯、德国、英国。在今年的东京奥运会上,我们拿到了38块金牌,88块奖牌。


N0.5 哪个国家哪个项目的金牌最多

在大项目上,美国的游泳、田径拿的金牌占了几乎半壁江山。


2、个人之最

通过查看运动员年龄分布状况,可以知道选手21~24岁的人数是最多的,男女运动员都差不多。


从拿奖牌的选手的年龄分布上也可以看出,还是22~23岁的选手获奖最多。


No.1 年龄最小的选手

年龄最小的是10岁的这条数据,我核实了一下,居然是真的,Dimitrios Loundras这位10岁的小朋友,在1896年雅典奥运会上获得了体操男子团体铜牌,是奥运史上最年轻的获奖牌的运动员。


No.2 年龄最大的选手

那么97岁的这位运动员,我觉得也不是异常值了,这位John Quincy Adams Ward参加了1928年阿姆斯特丹奥运会,艺术类的雕塑项目,虽然没有获得奖牌,但他以97岁的高龄成为年龄最大的奥运会选手。


这里又有个冷知识了,关于奥运会艺术竞赛。


1912年到1948年的7届奥运会中都有美术类竞赛,如建筑、文学、音乐、绘画和雕塑,从1952年起,奥运艺术竞赛就被取消了,后来改为奥林匹克艺术大会。


No.3 身高最低的选手

身高最低的选手有两位,都是127cm,一男一女。


一位是来自墨西哥的体操女子全能选手Rosario Briones参加了1968年墨西哥奥运会。


另一位是来自马拉维的男子拳击运动员Lyton Levison Mphande,参加了1988年汉城奥运会。


No.4 身高最高的选手

身高最高的是我们的姚明226cm,2000、2004、2008年的奥运会篮球项目都有参与。


No.5 最轻的选手

体重最轻的选手是这位来自朝鲜的女子体操全能运动员,只有25kg,真·身轻如燕,参加了1980年莫斯科奥运会。


No.6 最重的选手

体重最重的选手是这位来自关岛的男子柔道运动员,214kg,参加了2008年、2012年两届奥运会。


No.5 参加奥运会次数最多的选手

有位名叫Ian Milar的马术运动员参加了10次奥运会,自1972年开始,他代表加拿大征战奥运,直到2012年,是他参加的第10次夏季奥运会了,并且在2008北京奥运会上他第一次拿到了马术项目的团体银牌,真是一个非常励志的故事。


No.6 获得金牌最多的选手

史上获得金牌最多的选手是来自美国的“飞鱼””菲尔普,以23枚金牌数远超第二多的选手13枚。


3、中国情况

1932年我国派出第一个奥运代表团参加奥运会,刘长春这个名字被我们深深地记住了。1984年以后我们开始派出大规模的代表团参赛,2008年北京奥运会,有633名选手参赛,达到了历史最高水平(2020年东京奥运会中国派出431名运动员)。



中国奥运史上男女运动员参赛比例情况如下图所示,可以看到比起国际数据,我们女性选手的地位要高很多了,1994年女运动员占比达到了72%的最高水平。



我国参与人数最多的项目是田径,其次是游泳、篮球、射击、举重,女运动员参与人数最多的5项运动是田径、游泳、举重、排球、篮球,男性则是田径、游泳、射击、篮球、击剑




我国拿奖牌最多的比赛项目是体操(60块奖牌),其次是排球、举重、游泳、羽毛球、跳水、乒乓球。


拿金牌最多的项目是排球(可能因为排球人数比较多),单人项目上金牌最多的运动是跳水、举重



我国获金牌最多的选手有3位,都是拿了5块金牌,他们是跳水运动员陈若琳、跳水的吴敏霞、体操运动员邹凯



04写在最后

最后总结一下:


奥运会参数运动员人数从第一届的176名增加到第32届的11669名,奥运会不断覆盖更多的人数


女性运动员从最初的不到占比2%到如今的45%,有了很大的突破


比赛项目的种类也从9个增加到如今的36个,种类越来越多


历史上参赛人数最多的项目是田径,其次是游泳、划船、足球


澳大利亚、法国、希腊、意大利、瑞典参加了全部29次夏季奥运会,中国参加了19次


美国派遣参加奥运会的人数最多,其次是德国,中国排在第11位


历史上共有42个城市举办过奥运会,其中雅典和伦敦举办过3次


获得奖牌最多的国家是美国,其次是俄罗斯、德国、英国,中国排在第12位


写这篇文章,查了很多奥运知识,自己也学到了不少的冷知识,百年奥运的数据分析到这其实还只是个开始,你有什么想法都可以拿它来练手。


希望奥运会也能永远保持初心,让更高更快更强的奥运精神不只是一句口号,我们下一个奥运再见了。

另附数据来源,可自行下载:
https://www.heywhale.com/mw/dataset/5b62ca77a711e60010ab1154

-END-

虾壳可乐
分享到朋友圈
收藏
收藏
评分
评论

综合评分:

我的评分

参与评论(1)

社区交流公约

登录后参与评论
发布评论
鸟哥笔记用户社区交流公约

用户312067
为什么打开的字体这么大,我还以为我开启了老年机模式

2021-08-11 15:43

Xinstall 15天会员特权
Xinstall是专业的数据分析服务商,帮企业追踪渠道安装来源、裂变拉新统计、广告流量指导等,广泛应用于广告效果统计、APP地推与CPS/CPA归属统计等方面。
20羽毛
立即兑换
超级nice便签砖
超级超级超级奈斯!
1000羽毛
立即兑换
【新品】办公/外出两用静音充电小电扇
办公桌必备小电扇!
2000羽毛
立即兑换
虾壳可乐
虾壳可乐
发表文章138
分享数据分析的干货。
确认要消耗 0羽毛购买
可以拿来练手的百年奥运数据分析项目吗?
考虑一下
很遗憾,羽毛不足
我知道了

我们致力于提供一个高质量内容的交流平台。为落实国家互联网信息办公室“依法管网、依法办网、依法上网”的要求,为完善跟帖评论自律管理,为了保护用户创造的内容、维护开放、真实、专业的平台氛围,我们团队将依据本公约中的条款对注册用户和发布在本平台的内容进行管理。平台鼓励用户创作、发布优质内容,同时也将采取必要措施管理违法、侵权或有其他不良影响的网络信息。


一、根据《网络信息内容生态治理规定》《中华人民共和国未成年人保护法》等法律法规,对以下违法、不良信息或存在危害的行为进行处理。
1. 违反法律法规的信息,主要表现为:
    1)反对宪法所确定的基本原则;
    2)危害国家安全,泄露国家秘密,颠覆国家政权,破坏国家统一,损害国家荣誉和利益;
    3)侮辱、滥用英烈形象,歪曲、丑化、亵渎、否定英雄烈士事迹和精神,以侮辱、诽谤或者其他方式侵害英雄烈士的姓名、肖像、名誉、荣誉;
    4)宣扬恐怖主义、极端主义或者煽动实施恐怖活动、极端主义活动;
    5)煽动民族仇恨、民族歧视,破坏民族团结;
    6)破坏国家宗教政策,宣扬邪教和封建迷信;
    7)散布谣言,扰乱社会秩序,破坏社会稳定;
    8)宣扬淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪;
    9)煽动非法集会、结社、游行、示威、聚众扰乱社会秩序;
    10)侮辱或者诽谤他人,侵害他人名誉、隐私和其他合法权益;
    11)通过网络以文字、图片、音视频等形式,对未成年人实施侮辱、诽谤、威胁或者恶意损害未成年人形象进行网络欺凌的;
    12)危害未成年人身心健康的;
    13)含有法律、行政法规禁止的其他内容;


2. 不友善:不尊重用户及其所贡献内容的信息或行为。主要表现为:
    1)轻蔑:贬低、轻视他人及其劳动成果;
    2)诽谤:捏造、散布虚假事实,损害他人名誉;
    3)嘲讽:以比喻、夸张、侮辱性的手法对他人或其行为进行揭露或描述,以此来激怒他人;
    4)挑衅:以不友好的方式激怒他人,意图使对方对自己的言论作出回应,蓄意制造事端;
    5)羞辱:贬低他人的能力、行为、生理或身份特征,让对方难堪;
    6)谩骂:以不文明的语言对他人进行负面评价;
    7)歧视:煽动人群歧视、地域歧视等,针对他人的民族、种族、宗教、性取向、性别、年龄、地域、生理特征等身份或者归类的攻击;
    8)威胁:许诺以不良的后果来迫使他人服从自己的意志;


3. 发布垃圾广告信息:以推广曝光为目的,发布影响用户体验、扰乱本网站秩序的内容,或进行相关行为。主要表现为:
    1)多次发布包含售卖产品、提供服务、宣传推广内容的垃圾广告。包括但不限于以下几种形式:
    2)单个帐号多次发布包含垃圾广告的内容;
    3)多个广告帐号互相配合发布、传播包含垃圾广告的内容;
    4)多次发布包含欺骗性外链的内容,如未注明的淘宝客链接、跳转网站等,诱骗用户点击链接
    5)发布大量包含推广链接、产品、品牌等内容获取搜索引擎中的不正当曝光;
    6)购买或出售帐号之间虚假地互动,发布干扰网站秩序的推广内容及相关交易。
    7)发布包含欺骗性的恶意营销内容,如通过伪造经历、冒充他人等方式进行恶意营销;
    8)使用特殊符号、图片等方式规避垃圾广告内容审核的广告内容。


4. 色情低俗信息,主要表现为:
    1)包含自己或他人性经验的细节描述或露骨的感受描述;
    2)涉及色情段子、两性笑话的低俗内容;
    3)配图、头图中包含庸俗或挑逗性图片的内容;
    4)带有性暗示、性挑逗等易使人产生性联想;
    5)展现血腥、惊悚、残忍等致人身心不适;
    6)炒作绯闻、丑闻、劣迹等;
    7)宣扬低俗、庸俗、媚俗内容。


5. 不实信息,主要表现为:
    1)可能存在事实性错误或者造谣等内容;
    2)存在事实夸大、伪造虚假经历等误导他人的内容;
    3)伪造身份、冒充他人,通过头像、用户名等个人信息暗示自己具有特定身份,或与特定机构或个人存在关联。


6. 传播封建迷信,主要表现为:
    1)找人算命、测字、占卜、解梦、化解厄运、使用迷信方式治病;
    2)求推荐算命看相大师;
    3)针对具体风水等问题进行求助或咨询;
    4)问自己或他人的八字、六爻、星盘、手相、面相、五行缺失,包括通过占卜方法问婚姻、前程、运势,东西宠物丢了能不能找回、取名改名等;


7. 文章标题党,主要表现为:
    1)以各种夸张、猎奇、不合常理的表现手法等行为来诱导用户;
    2)内容与标题之间存在严重不实或者原意扭曲;
    3)使用夸张标题,内容与标题严重不符的。


8.「饭圈」乱象行为,主要表现为:
    1)诱导未成年人应援集资、高额消费、投票打榜
    2)粉丝互撕谩骂、拉踩引战、造谣攻击、人肉搜索、侵犯隐私
    3)鼓动「饭圈」粉丝攀比炫富、奢靡享乐等行为
    4)以号召粉丝、雇用网络水军、「养号」形式刷量控评等行为
    5)通过「蹭热点」、制造话题等形式干扰舆论,影响传播秩序


9. 其他危害行为或内容,主要表现为:
    1)可能引发未成年人模仿不安全行为和违反社会公德行为、诱导未成年人不良嗜好影响未成年人身心健康的;
    2)不当评述自然灾害、重大事故等灾难的;
    3)美化、粉饰侵略战争行为的;
    4)法律、行政法规禁止,或可能对网络生态造成不良影响的其他内容。


二、违规处罚
本网站通过主动发现和接受用户举报两种方式收集违规行为信息。所有有意的降低内容质量、伤害平台氛围及欺凌未成年人或危害未成年人身心健康的行为都是不能容忍的。
当一个用户发布违规内容时,本网站将依据相关用户违规情节严重程度,对帐号进行禁言 1 天、7 天、15 天直至永久禁言或封停账号的处罚。当涉及欺凌未成年人、危害未成年人身心健康、通过作弊手段注册、使用帐号,或者滥用多个帐号发布违规内容时,本网站将加重处罚。


三、申诉
随着平台管理经验的不断丰富,本网站出于维护本网站氛围和秩序的目的,将不断完善本公约。
如果本网站用户对本网站基于本公约规定做出的处理有异议,可以通过「建议反馈」功能向本网站进行反馈。
(规则的最终解释权归属本网站所有)

我知道了
恭喜你~答对了
+5羽毛
下一次认真读哦
成功推荐给其他人
+ 10羽毛
评论成功且进入审核!审核通过后,您将获得10羽毛的奖励。分享本文章给好友阅读最高再得15羽毛~
(羽毛可至 "羽毛精选" 兑换礼品)
好友微信扫一扫
复制链接