CDA数据分析师 出品
作者：Mika
【导读】
今天带大家用数据可视化解读120 年奥运变迁史。
几经波折，东京奥运会终于即将迎来开幕的时刻，距离7月23日东京奥运会开幕只有不到一周的时间了。
这次东京奥运会真可谓是命运多舛，在2020年3月24日，东京奥组委宣告，2020东京夏季奥运会延期至2021年夏季举行。
很快一年过去了，原以为疫情会过去，奥运会可以如常展开。不想除了中国，全世界的疫情反反复复，Delta毒株的肆虐使得疫情更严重。
在这种形势下的东京奥运会也出台各种防疫新规：
东京奥运会开幕式有可能将入场观众人数压缩至1000人以下；
运动员间需要保持社交距离，除了吃饭、睡觉、训练和比赛时间外，确保始终戴着口罩；
乒乓球赛制方面，比赛时运动员不许手触球台和吹球；
…...
这注定让这次奥运会成为最不平凡的一届，而各种因素也导致本届奥运会的各国奖牌榜更加难以预测，著名体育数据公司Gracenote就在预测报告中说：“由于新冠肺炎疫情的影响，东京奥运会或许成为最不可预测一届奥运会。”
那么关于奥运会这场世界上影响力最大的体育盛会，背后有哪些有趣的数据？
奥林匹克运动会发源于两千多年前的古希腊，因举办地在奥林匹亚而得名。并于1896年举办了首届奥运会，1924年举办了首届冬奥会，是世界上影响力最大的体育盛会。
我们选取了一个关于现代奥运会的历史数据集，包括从1896年雅典奥运会到2016年里约奥运会的所有奥运会。
数据集取自网站：www.sports-reference.com
需要注意的是，冬季奥运会和夏季奥运会从1994年起分开，每两年间隔举行，1992年冬季奥运会是最后一届与夏季奥运会同年举行的冬奥会。自1924年开始第1届，截至2018年共举办了23届，每四年一届。
athlete_events.csv 文件包含271116行和15列。每一行对应于在一个单独的奥运会项目（运动员项目）中参赛的运动员。列为：
首先导入包和数据。
# 导入库
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import plotly as py
import plotly.graph_objs as go
import plotly.express as px
import plotly.figure_factory as ff
from plotly.subplots import make_subplots
pyplot = py.offline.plot
# 读入数据
df_athlete = pd.read_csv('
./archive/athlete_events.csv')
df_regions = pd.read_csv('./archive/noc_regions.csv')
df_athlete.head()
df_athlete.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 271116 entries, 0 to 271115
Data columns (total 15 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 ID 271116 non-null int64
1 Name 271116 non-null object
2 Sex 271116 non-null object
3 Age 261642 non-null float64
4 Height 210945 non-null float64
5 Weight 208241 non-null float64
6 Team 271116 non-null object
7 NOC 271116 non-null object
8 Games 271116 non-null object
9 Year 271116 non-null int64
10 Season 271116 non-null object
11 City 271116 non-null object
12 Sport 271116 non-null object
13 Event 271116 non-null object
14 Medal 39783 non-null object
dtypes: float64(3), int64(2), object(10)
memory usage: 31.0+ MB
df_regions.head()
此处对数据做以下处理，以方便后续的分析：
# 合并数据
df_all = pd.merge(df_athlete, df_regions, how='left', on='NOC')
# 处理Sex列
df_all['Sex'] = df_all['Sex'].map({'M': 'Male', 'F': 'Female'})
# 处理Medal列
df_all['Medal'].fillna('No Medal', inplace=True)
df_all.head()
我们使用处理好的数据做数据可视化分析，结果如下：
1、奥运会总体数据
参赛国家数量变化
整体上来看，参赛国家呈现上升趋势，但其中有两届奥运会存在异常的下降。分别是：
1976年蒙特利尔奥运会：出现了规模空前的反种族歧视行动，此次运动会遭到了非洲国家的抵制，规模远逊于上届。
1980年莫斯科奥运会：为了表示对苏联入侵阿富汗的谴责和愤怒，美国带头拒绝参加1980年的莫斯科奥运会，并号召其他国家一起抵制。在美国的号召下，最终一共有65个国家抵制莫斯科奥运会，占当时报名参赛国数量的五分之二。最后只有80个国家参加莫斯科奥运会， 大约5000余人参赛，参赛人数还没有参与报道的记者数量多，创历史记录。
比赛项目数量变化
可以看出，奥运会的比赛项目呈现波浪式上升的趋势，其中在1980-2000年这20年，比赛项目增长趋势最大，且以夏季奥运会尤为突出，但2000年以后比赛项目增加趋势慢慢变为平稳的态势了。
各个国家累计奖牌数量TOP 20
我们选取了各个项目获得奖牌数目排名前20的国家，通过比较发现美国不管是金牌、银牌还是铜牌都领先很多，然后是俄罗斯和德国。由于缺席了多届奥运会，我国的累计奖牌数排名偏后。
2、奥运会参赛运动员数据
每届参赛人数
从图中可以观察到，夏季奥运会参赛最多人数的是2000年的悉尼奥运会，参赛人数13821人，冬季奥运会参赛人数最多的是2014年，参赛人数4891人。
参加夏季奥运会的人数远远多于冬季的人数，可能是比赛项目少的原因。同时，第一次世界大战和第二次世界大战期间没有举办过奥运会。
参赛运动员男女人数和比例变化
(男女人数变化)
（男女比例变化）
我们纵观整个奥运历史，虽然奥运会的开始，运动员男女比例较为悬殊，男性运动员占比一直高于女性运动员。但是我们可以看到，随着奥运会的发展，女性运动员的占比一直在提升，目前参加奥运会男女比例几乎接近于1:1。
参赛运动员年龄和奖牌数
图中可以看出，年龄的分布呈现右偏分布，其中80%的区域集中在19岁到33岁之间，25岁左右是运动员的黄金年龄。
纵观整个奥运史，年龄最小的运动员仅为10岁。1896年，第一届现代奥运会在希腊举办，仅仅10岁零218天的东道主体操选手Dimitrios Loundras参赛并获得了铜牌，
1928年阿姆斯特丹夏季奥运会中，一名97岁高龄的美国“运动员”，参加了雕刻的“运动项目”，但并未获得名次。这个记录应该是不会被打破了。
参赛运动员的身高、体重分布
（身高变化）
（体重变化）
我们筛选了1960年之后的数据，发现参赛选手中男性身高分布在127cm-226cm之间，女性身高分布在127cm-213cm之间，男性体重的分布在37kg-226kg之间，女性的体重分布在25kg-167kg之间。
在人类奥林匹克史上，或许没有哪一届奥运会，像2020东京奥运会一样曲折。由于各种不确定性，本届奥运会各代表团对于参赛目标都显得十分低调。
不过，从另一个角度来看，不确定性也是体育比赛魅力的一部分，“最难猜”未必就“不精彩”。
东京奥运，群雄逐鹿，一场大戏即将上演。最后让我们一起期待我国奥运健儿顺利安全参赛，取得好成绩吧！
数据分析咨询请扫描二维码
