CDA數據分析師 出品

作者：Mika

【導讀】

今天帶大家用數據可視化解讀120 年奧運變遷史。

幾經波折，東京奧運會終于即將迎來開幕的時刻，距離7月23日東京奧運會開幕只有不到一周的時間了。

這次東京奧運會真可謂是命運多舛，在2020年3月24日，東京奧組委宣告，2020東京夏季奧運會延期至2021年夏季舉行。

很快一年過去了，原以為疫情會過去，奧運會可以如常展開。不想除了中國，全世界的疫情反反復復，Delta毒株的肆虐使得疫情更嚴重。

在這種形勢下的東京奧運會也出臺各種防疫新規：

東京奧運會開幕式有可能將入場觀眾人數壓縮至1000人以下；

運動員間需要保持社交距離，除了吃飯、睡覺、訓練和比賽時間外，確保始終戴著口罩；

乒乓球賽制方面，比賽時運動員不許手觸球臺和吹球；

…...

這注定讓這次奧運會成為最不平凡的一屆，而各種因素也導致本屆奧運會的各國獎牌榜更加難以預測，著名體育數據公司Gracenote就在預測報告中說：“由于新冠肺炎疫情的影響，東京奧運會或許成為最不可預測一屆奧運會?！?

那么關于奧運會這場世界上影響力最大的體育盛會，背后有哪些有趣的數據？

• 奧運會參賽國數量和比賽項目有哪些變化？
• 各國累計獎牌數排名是怎樣的？
• 參賽運動員的年齡和身高有哪些特征？
• 今天我們就帶你用數據來縱覽120年奧運史。

奧林匹克運動會發源于兩千多年前的古希臘，因舉辦地在奧林匹亞而得名。并于1896年舉辦了首屆奧運會，1924年舉辦了首屆冬奧會，是世界上影響力最大的體育盛會。

01、數據理解

我們選取了一個關于現代奧運會的歷史數據集，包括從1896年雅典奧運會到2016年里約奧運會的所有奧運會。

數據集取自網站：www.sports-reference.com

需要注意的是，冬季奧運會和夏季奧運會從1994年起分開，每兩年間隔舉行，1992年冬季奧運會是最后一屆與夏季奧運會同年舉行的冬奧會。自1924年開始第1屆，截至2018年共舉辦了23屆，每四年一屆。

athlete_events.csv 文件包含271116行和15列。每一行對應于在一個單獨的奧運會項目（運動員項目）中參賽的運動員。列為：

• ID - 運動員的ID編號
• Name - 運動員姓名
• Sex - 性別
• Age - 年齡
• Height - 身高(cm)
• Weight - 體重(kg)
• Team - 隊伍名稱
• NOC - 國家奧委會編碼
• Games - 年份和季節
• Year - 年份
• Season - 季節
• City - 主辦城市
• Sport - 體育運動
• Event - 比賽項目
• Medal - 獲獎情況(金牌、銀牌、銅牌或無)

02、讀入數據

首先導入包和數據。

# 導入庫
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

# 讀入數據
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()

03、數據預處理

此處對數據做以下處理，以方便后續的分析：

• 將兩個數據集橫向合并為一個數據集，Key為NOC這一列
• Sex：數據值替換
• Medal：空值填充

# 合并數據
df_all = pd.merge(df_athlete, df_regions, how='left', on='NOC')
# 處理Sex列
df_all['Sex'] = df_all['Sex'].map({'M': 'Male', 'F': 'Female'})
# 處理Medal列
df_all['Medal'].fillna('No Medal', inplace=True)
df_all.head()

04、數據可視化

我們使用處理好的數據做數據可視化分析，結果如下：

1、奧運會總體數據

參賽國家數量變化

整體上來看，參賽國家呈現上升趨勢，但其中有兩屆奧運會存在異常的下降。分別是：

1976年蒙特利爾奧運會：出現了規?？涨暗姆捶N族歧視行動，此次運動會遭到了非洲國家的抵制，規模遠遜于上屆。

1980年莫斯科奧運會：為了表示對蘇聯入侵阿富汗的譴責和憤怒，美國帶頭拒絕參加1980年的莫斯科奧運會，并號召其他國家一起抵制。在美國的號召下，最終一共有65個國家抵制莫斯科奧運會，占當時報名參賽國數量的五分之二。最后只有80個國家參加莫斯科奧運會， 大約5000余人參賽，參賽人數還沒有參與報道的記者數量多，創歷史記錄。

比賽項目數量變化

可以看出，奧運會的比賽項目呈現波浪式上升的趨勢，其中在1980-2000年這20年，比賽項目增長趨勢最大，且以夏季奧運會尤為突出，但2000年以后比賽項目增加趨勢慢慢變為平穩的態勢了。

各個國家累計獎牌數量TOP 20

我們選取了各個項目獲得獎牌數目排名前20的國家，通過比較發現美國不管是金牌、銀牌還是銅牌都領先很多，然后是俄羅斯和德國。由于缺席了多屆奧運會，我國的累計獎牌數排名偏后。

2、奧運會參賽運動員數據

每屆參賽人數

從圖中可以觀察到，夏季奧運會參賽最多人數的是2000年的悉尼奧運會，參賽人數13821人，冬季奧運會參賽人數最多的是2014年，參賽人數4891人。

參加夏季奧運會的人數遠遠多于冬季的人數，可能是比賽項目少的原因。同時，第一次世界大戰和第二次世界大戰期間沒有舉辦過奧運會。

參賽運動員男女人數和比例變化

(男女人數變化)

（男女比例變化）

我們縱觀整個奧運歷史，雖然奧運會的開始，運動員男女比例較為懸殊，男性運動員占比一直高于女性運動員。但是我們可以看到，隨著奧運會的發展，女性運動員的占比一直在提升，目前參加奧運會男女比例幾乎接近于1:1。

參賽運動員年齡和獎牌數

圖中可以看出，年齡的分布呈現右偏分布，其中80%的區域集中在19歲到33歲之間，25歲左右是運動員的黃金年齡。

縱觀整個奧運史，年齡最小的運動員僅為10歲。1896年，第一屆現代奧運會在希臘舉辦，僅僅10歲零218天的東道主體操選手Dimitrios Loundras參賽并獲得了銅牌，

1928年阿姆斯特丹夏季奧運會中，一名97歲高齡的美國“運動員”，參加了雕刻的“運動項目”，但并未獲得名次。這個記錄應該是不會被打破了。

參賽運動員的身高、體重分布

（身高變化）

（體重變化）

我們篩選了1960年之后的數據，發現參賽選手中男性身高分布在127cm-226cm之間，女性身高分布在127cm-213cm之間，男性體重的分布在37kg-226kg之間，女性的體重分布在25kg-167kg之間。

結語

在人類奧林匹克史上，或許沒有哪一屆奧運會，像2020東京奧運會一樣曲折。由于各種不確定性，本屆奧運會各代表團對于參賽目標都顯得十分低調。

不過，從另一個角度來看，不確定性也是體育比賽魅力的一部分，“最難猜”未必就“不精彩”。

東京奧運，群雄逐鹿，一場大戲即將上演。最后讓我們一起期待我國奧運健兒順利安全參賽，取得好成績吧！