京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据揭示2015人类百米疯狂 27人65次"破十"_数据分析师考试
本周末,国际田联钻石联赛斯德哥尔摩站将在瑞典举行,由于距离北京田径世锦赛仅剩20天时间,博尔特、鲍威尔、加特林、盖伊等四大名角儿都选择了休战,显然是想把最好的状态留到北京鸟巢。
事实上,北京鸟巢的百米大战确实值得期待,因为全世界的百米选手今年都疯了——截至7月25日,在规定风速下,已经有27人65次“破十”,而这些9秒级选手全都要聚集北京,破十,那是必须的。华西都市报记者陈甘露
到底是因为今年的世锦赛年还是明年的里约奥运年,或者仅仅是因为更科学的训练方式让快成一道闪电成为必然,总之,短跑选手们的神经都像是受了刺激,集体井喷式爆发。“不破十都不好意思说自己是跑百米的”,人类历史上百米成绩最好的一年,我们正在共同见证。
有一种疯狂叫“非美牙选手”10人破十有人快过博尔特
翻开国际田联男子4×100米纪录排名,第一名:美国队;第二名:牙买加队;第三名:美国B队……于是,在短跑的世界里,有一种“种族”叫做“非美牙选手”——美国、牙买加之外的短跑选手。
美国和牙买加飞人大战已经是连续多年世锦赛和奥运会不变的“连续剧”,而这一次北京,估计决赛场上他们会占据一半多的江山。不过,本赛季之所以能号称人类历史百米成绩最好的一年,还多亏了“非美牙选手”的崛起,一共有10人在本赛季打破了10秒关口,其中,包括唯一的黄种人——苏炳添。
目前,这10人都要参加世锦赛,其中,最有实力让美、牙飞人们吓一跳的,应该是法国新秀维考特,他在法国巴黎跑出了9秒86,这个成绩在本赛季排名第四。随后,他又在维尔诺夫达斯克跑出了9秒92、罗马和伦敦跑出9秒98,他也是“非美牙选手”里本赛季进10秒次数最多的。
作为百米场上的标志,一道闪电博尔特恰恰在本赛季没有什么技惊四座的表演,上周在伦敦两次刷出9秒87,个人赛季最佳,放在前两年这个成绩还真不错了,可今年,排在他前面有13人次——加特林4次、鲍威尔5次(平2次)、布莱德曼、维考特、盖伊、布罗梅尔各1次。而“非美牙选手”里,布莱德曼、维考特两人都超过了博尔特。
另外八名“非美牙选手”有几位都非常让人惊讶:有过切尔西青训史的英国选手格米利跑出了9秒97。两外两位南非选手都在七月震惊世界:杰斯在瑞士的一场小比赛里,跑出了9秒97,西姆比内在光州大运会决赛上同样跑出了9秒97。
稍微朝后面看一点点,本赛季有四人次刷出了10秒整、五人次跑到10秒01、十一人次跑到了10秒02。可以说,稍微提一口气,破十不是没有可能。
上届世锦赛,苏炳添和张培萌携手晋级半决赛,创造中国短跑历史,而半决赛中张培萌跑出10秒整的成绩,以千分一只秒的微弱遗憾无缘决赛。两年后的八月北京,10秒整成绩进决赛肯定没希望,能不能进入半决赛都要看运气。
有一种疯狂叫“90后”29人次破十一大波妖人袭来
如果要说本赛季最疯狂的百米选手,那当然是即将33岁的加特林,本赛季最快的四个成绩都是他一手创造的:9秒74、9秒75两次、9秒78。此外,紧随其后的“同龄人”鲍威尔也跑出了9秒81、9秒84,也是本赛季第四快、第五快成绩。可以说,本赛季的疯狂江湖领头人,就是这两位1982年出生的老将,而让大家欣喜和惊讶的是,一大波“90后”妖人正在袭来。65次“破十”成绩里,“90后”占了29人次,百分比上输给了“80后”一点点,可是,要知道,当今百米江湖最牛的四大天王都是“80后”,田径从来都是成年人的游戏。
不过,本赛季确实涌现了许多妖人——1995年出生的美国人崔旺·布罗梅尔,他在本赛季跑出了9秒84的个人最好成绩,这个成绩就是美国田径锦标赛预赛创造的,而在决赛中,他因经验不足输给了盖伊获得亚军,但专家们已经不吝用最好的言辞为布罗梅尔提前加冕:他就是下一个博尔特,是的。刚满20岁零15天,就跑出9秒84,男子100米最强五人:博尔特、盖伊、加特林、鲍威尔和布雷克,无一人能做到。再来看看他的200米——20秒03,也是本赛季排名第十的好成绩,20岁当天跑出来的,无疑是最好的生日礼物。如今,布罗梅尔也以9秒97,替代博尔特成为世界青年纪录保持者。对于他来说,最大的缺陷是经验不足,而这一切都可以用时间和比赛来弥补,而这两样,布罗梅尔根本不缺。
除了20岁的超新星,美国B队大批崛起的新星都很可怕:1992年的克莱顿·沃恩(9秒93)、1993年的马尔文·布莱希(9秒93)、1992年的贝翁德尔·巴森(9秒94)、1992年的昆汀·巴特勒(9秒96)……牙买加青年当然也不示弱:1990年的阿什梅德(9秒91)、1992年的百利科勒(9秒92)、1991年的安德鲁·费舍尔(9秒94)……从这些青年妖人的数据可以看出,未来男子百米的格局依然是——美牙大战。
当然,法国新星维考特也是1992年出生、英国新秀格米利是1993年,杰斯和西姆比内两位南非青年则都是1993年的,1994年的加拿大青年安德烈已经在泛美运动会上夺冠。而这些妖娆的90后,一定也会在未来让我们看到“非美牙选手”的精彩。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13