
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
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14