Python数据探索奥运数据，从中国队的男女比例找劣势项目
前言
最近在准备 pandas 专栏的工程化内容，其中用到一份奥运数据的探索分析。这里会截取一些技巧内容让大家参考学习，包括：
- 怎么找出每个项目首次出现在奥运的时间
- 哪些项目被取消？在哪一届被取消
- 有没有项目被取消之后，又重新纳入奥运项目
- ………………
完整的分析过程，包括如何组织代码，把一些固定参数和逻辑外置在 Excel上等高级技巧，请关注专栏相关章节。
导入这些库：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['figure.figsize'] = [16,10]
plt.rcParams['figure.dpi'] = 140
plt.rcParams['font.size'] = 20
数据是从 kaggle 上下载的 csv 文件，此外为了方便阅读，数据中的项目与国家已自动化翻译成中文(google翻译)：
df = pd.read_csv('athlete_events.csv')
df_trans = pd.read_excel('中英文.xlsx',sheet_name=None)
sport_trans = df_trans['Sport'].set_index('en')['cn']
noc_trans = df_trans['Noc'].set_index('en')['cn']
df['Sport_cn'] = df['Sport'].map(sport_trans)
df['NOC_region'] = df['NOC'].map(noc_trans)
df
- 每一行表示一个运动员的记录，包括姓名、性别，国家、参与年份，项目(Sport)，拿到的奖项(Medal)
- 数据记录年份截止到2016年奥运(包含2016年数据)
首先创建一些常用函数：
# 对列比例
def cal_percent(col:pd.Series):
return col/col.sum()
# 对表格每一行求比例
def cal_percent_byrow(data:pd.DataFrame):
return data.div(data.sum(axis=1),axis=0)
# 柱状图
def plot_bar(data,**kws):
data.plot.bar(**kws)
# 条形图
def plot_barh(data,**kws):
data.plot.barh(**kws)
整体性别比例
看看整体情况：
df['Sex'].value_counts().pipe(cal_percent).pipe(plot_bar)
- 意料之中，男性比例高达70%
但是，奥运是世界规模最大的综合性运动会，那么必然不会忽视男女平等问题。
看看历届奥运的男女比例：
(
df.pivot_table(index='Year',
columns='Sex',
aggfunc='size',
fill_value=0)
.pipe(cal_percent_byrow)
.sort_values('Year',ascending=False)
.pipe(plot_barh,stacked=True)
)
- 可以看到整体走势趋于男女比例均等
其实，奥运项目的增减都会影响男女比例，不妨看看各个项目的男女比例：
kws = {'figsize':[16,25]}
(
df.pivot_table(index='Sport_cn',
columns='Sex',
aggfunc='size',
fill_value=0)
.pipe(cal_percent_byrow)
.sort_values('M',ascending=True)
.pipe(plot_barh,stacked=True,**kws)
)
- 行1：因为项目较多，如果图表高度不够，会使得图中内容压缩，导致y轴内容重叠
- 注意，有些项目只是短暂出现在很久以前的奥运会上
关于项目时间相关探索就不在本文展开
中国队的情况
我们自然关注中国队的情况：
(
df.query("NOC_region=='中国' and Year>=2000 and Season=='Summer'")
.pivot_table(index='Year',
columns='Sex',
aggfunc='size',
fill_value=0)
.pipe(cal_percent_byrow)
.sort_values('Year',ascending=False)
.pipe(plot_barh,stacked=True)
)
- 除开 2008 年北京奥运会是男子占比略高于女子，其他年份都是女子比例更高
为什么呢？
不妨看看 2008 年中国队的参与项目，以及项目的男女比例：
kws = {'figsize':[16,40]}
(
df.query("NOC_region=='中国' and Season=='Summer' and Year==2008")
.pivot_table(index='Sport_cn',
columns='Sex',
aggfunc='size',
fill_value=0)
.pipe(cal_percent_byrow)
.sort_values('M',ascending=False)
.pipe(plot_barh,stacked=True,**kws)
)
- 注意3大球类项目(足球、篮球、排球)都有男子项目
奥运东道主有一些"福利"，受关注的项目可以直接晋级正赛，比如足球
但是，再看看最近的2016年的情况：
kws = {'figsize':[16,40]}
(
df.query("NOC_region=='中国' and Season=='Summer' and Year==2008")
.pivot_table(index='Sport_cn',
columns='Sex',
aggfunc='size',
fill_value=0)
.pipe(cal_percent_byrow)
.sort_values('M',ascending=False)
.pipe(plot_barh,stacked=True,**kws)
)
- 可以看到，足球和排球项目，中国队的男子队都无法参与奥运
- 此外，水球、网球这些小球项目中，中国队的男子队也退步了
此时2020年东京奥运如火如荼进行中，你觉得中国队经过4年的时间，这些项目能有所进步吗？
等2020年奥运数据一出来，马上就能知道
本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。
原始发表：2021-08-03，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录
腾讯云开发者
