2020東京奧運會已經(jīng)結(jié)束了，才想起來寫一篇關(guān)于奧運會的數(shù)據(jù)分析文章，真是前些天都太熱衷于追奧運了。
找了一下，網(wǎng)上果然有從1896第一屆現(xiàn)代奧運會開始至2016年里約奧運會的全部數(shù)據(jù)，當然如果你感興趣，還可以把2020年的給加上，于是，我們就可以用這些數(shù)據(jù)來重新回顧一下這100多年來的奧運會歷史了！
01 提出問題
奧運會，全稱：奧林匹克運動會，發(fā)源于2000多年前的古希臘，因舉辦地在奧林匹亞而得名，每4年一屆，是世界上影響力最大的體育盛會。
1896年，停辦了1500年的奧運會終于得以重辦，這也是首屆現(xiàn)代奧運會，如今已舉辦了32界夏季奧運會，23界冬季奧運會。
我們可以帶著以下3個問題來分析這份數(shù)據(jù)，了解歷史。
- 地域上，哪些國家/地區(qū)舉辦奧運會次數(shù)最多？參賽的運動員最多？獲獎最多？
- 個人上，歷年來男女參賽的運動員表現(xiàn)如何？
- 項目上，有沒有哪些項目是某些國家/地區(qū)的強項？
02 數(shù)據(jù)探查
數(shù)據(jù)來源：
https://www.heywhale.com/mw/dataset/5b62ca77a711e60010ab1154
共兩份數(shù)據(jù)，一份athlete_events.csv，包含了參賽運動員基本生物數(shù)據(jù)和獎牌結(jié)果。
一份noc_regions.csv，是國家奧委會3個字母的代碼與對應國家信息。
分析工具：Power BI + Excel
1.1 字段介紹
運動員數(shù)據(jù)包含了從1896年至2016年，歷屆奧運會每位運動員參賽的數(shù)據(jù)，共271116行15個字段，每行對應每位運動員參加奧運會項目的信息。
- ID：每個運動員的唯一編號，共135571個編號
- Name：運動員姓名
- Sex：運動員性別，F(xiàn)是女性，M是男性
- Age：運動員年齡
- Height：運動員身高，單位cm
- Weight：運動員體重，單位kg
- Team：運動員代表隊，如中國
- NOC：國家奧委會三字代碼
- Games：運動員參加的哪一屆奧運會
- Year：年份
- Season：季節(jié)
- City：主辦城市，如北京
- Sport：運動項目，如籃球
- Event：具體項目，如男子籃球
- Medal：獎牌，如金牌、銀牌、銅牌或沒有
奧委會數(shù)據(jù)：
- NOC：國家奧委會3個字母的代碼
- Region：國家/地區(qū)
- Notes：備注
這里需要理解的是：
- ID號比實際數(shù)據(jù)量少是因為會有1個運動員參加幾個項目的情況，一個運動員對應一個ID編號，而非一條數(shù)據(jù)對應一個ID。
- NOC是指國家奧委會三字代碼，比如中國的代碼是CHN
- GAMES是用年份+季節(jié)命名的哪一屆奧運會，比如2016 Summer是2016年夏季奧運會。奧運會其實包含夏季奧運會、冬季奧運會、殘奧會等，夏奧會受關(guān)注較多，這份數(shù)據(jù)是包含夏奧會和冬奧會的。
- TEAM是該運動員所在的代表隊，也就是運動員所屬的國家/地區(qū)。插播一條冷知識，奧運會是以奧委會為代表團參加的，而不是以國家為代表，所以也一直在強調(diào)“國家或地區(qū)”這個概念，也是為什么臺灣會參與，并且是以中華臺北的名義，因為中華臺北奧委會是國際奧委會的成員，所以它可以參與，歷史上它還以“中華民國”的名義參與，被我們抵制了。
將兩份數(shù)據(jù)以NOC為共同字段進行關(guān)聯(lián)，就可以得到每個運動員所屬的國家/地區(qū)了。
將數(shù)據(jù)導入Power BI，它會自動設置好關(guān)聯(lián)。
1.2 數(shù)據(jù)處理
1.2.1 缺失值
這份數(shù)據(jù)在Age、Height、Weight、Medal列存在缺失值：
- Medal的缺失值表示該運動員在此項目上沒有拿到獎牌，不用處理
- Age列有9474個缺失值，占比3.5%
- Height列有60171個缺失值，占比22%
- Weight列有62875個缺失值，占比23%
年齡、身高、體重屬于個人信息，本來想做一些填充處理，但發(fā)現(xiàn)很多空值都是某一個國家，一個類別的項目，一大片的缺失，無法根據(jù)已知信息去填充，所以這里就空著吧，保留原始數(shù)據(jù)。
1.2.2 異常值
Team里命名是不規(guī)范的，可以看到一個代表隊后面跟了好幾個數(shù)字，但好在這些代表隊的奧委會編碼NOC都是一樣的，因此可以直接根據(jù)NOC去匹配國家/地區(qū)，這里就不處理了。其他的數(shù)據(jù)都比較規(guī)范，沒有什么異常值。
1.2.3 重復值
介紹字段的時候提到了，一個ID代表一個運動員參加的一個項目，因此ID重復是正常的，因為一個運動員可能不止參加一項比賽。
03 數(shù)據(jù)分析
夏季奧運會從1896年開始，每4年舉辦一次，這份數(shù)據(jù)是到2016年的，共舉辦了29次，冬季奧運會舉辦了22次。
相信對數(shù)字敏感的你已經(jīng)發(fā)現(xiàn)問題了，文章開頭剛提到2020東京奧運會是第32界奧運會，這里的夏季奧運會怎么才舉辦了29次呢？少了哪3屆沒有舉辦呢？
其實看一下年份就發(fā)現(xiàn)端倪了，兩次世界大戰(zhàn)的緣故，原擬在1916、1940、1944年舉辦的三屆奧運會成了空白。
參與人數(shù)逐年增加
從1896年第一屆現(xiàn)代奧運會176名運動員12個國家/地區(qū)參賽開始，到2016年倫敦奧運會11179名206個國家/地區(qū)，運動員參賽數(shù)量逐漸增加（2020年東京奧運會參賽運動員11669名，204個國家/地區(qū)），下圖是夏季奧運會的運動員參賽數(shù)量和參數(shù)國家/地區(qū)數(shù)的圖。
圖中紅圈圈出來的是3個明顯的低點，非常值得說道：
- 1932年洛杉磯奧運會，因費用問題，參賽人數(shù)顯著減少，值得一提的是，也是此次奧運會，中國首次派出了代表團，也就是我國奧運第一人劉長春，參與了田徑項目，這也是我們征戰(zhàn)奧運的第一槍。
- 1956年墨爾本奧運會，是歷史上唯一一次在不同時間、地點舉行的奧運會，且當時正值美蘇冷戰(zhàn)的大背景下，多國棄權(quán)，人數(shù)少也就可想而知了。并且此次奧運會中國代表團拒絕參賽，原因是國際奧委會一面承認中華人民共和國，一面同意臺灣以“中華民國”名義參加奧運會，為了反對分裂中國的企圖，中國嚴肅地抵制了該屆奧運會。
- 1980年莫斯科奧運會，當時蘇聯(lián)還沒解體，奧運會第一次在社會主義國家舉辦，為了抗議蘇聯(lián)入侵阿富汗，美國等國發(fā)起抵制莫斯科奧運會，使得最終只有80個國家參加，這是自1956年以來最少國家參加的一屆奧運會。
女性運動員參賽人數(shù)逐漸增加
1900年23名女性首次參加了奧運會，占比1.87%，1980年開始女性參賽的數(shù)量大幅增加，到2016年5034名女運動員參賽，占比45%。
歷史上男女運動員比例。
比賽項目種類逐漸豐富
歷屆奧運會比賽項目種類也是逐漸增加，1896年夏奧會上只有9個，到2016年有36個項目。
參與人數(shù)最多的運動
歷史上參與人數(shù)最多的項目是田徑，其次是游泳、劃船、足球。
男女運動員參與這些項目的人數(shù)比例情況如下圖，在棒球、北歐兩項（冬奧會項目）、拔河、橄欖球、馬球、長曲棍球等13個項目上完全沒有女運動員參與，不過在藝術(shù)體操、花樣游泳、壘球上也都沒有男運動員參加。
國家/地區(qū)之最
No.1 哪個國家參加奧運會的次數(shù)最多
歷史上總共有208個國家/地區(qū)參加過奧運會，澳大利亞、法國、希臘、意大利、瑞典參加了全部29次夏季奧運會，中國參加了19次。
No.2 哪個國家派遣的運動員最多
可以看到歷史上美國派遣參加奧運會的人數(shù)最多，其次是德國，中國排在第11位，這也和我們前期沒參與有關(guān)。
No.3 舉辦奧運會次數(shù)最多的城市是哪個
歷史上共有42個城市舉辦過奧運會，其中雅典和倫敦舉辦過3次，因斯布魯克、普萊西德湖城、洛杉磯、巴黎、圣莫里茲、斯德哥爾摩舉辦了兩次，剩下的城市都只舉辦過1次。
通過繪制數(shù)據(jù)地圖可以看出，歐洲國家不管是在單個城市承辦次數(shù)還是數(shù)量上都有明顯優(yōu)勢，不過北京也馬上要成為舉辦過2次奧運會的城市了（2008年夏季奧運會和即將到來的2022年冬季奧運會）。
No.4 哪個國家獲獎最多？
歷史上獲得獎牌最多的國家是美國，其次是俄羅斯、德國、英國。在今年的東京奧運會上，我們拿到了38塊金牌，88塊獎牌。
N0.5 哪個國家哪個項目的金牌最多
在大項目上，美國的游泳、田徑拿的金牌占了幾乎半壁江山。
個人之最
通過查看運動員年齡分布狀況，可以知道選手21~24歲的人數(shù)是最多的，男女運動員都差不多。
從拿獎牌的選手的年齡分布上也可以看出，還是22~23歲的選手獲獎最多。
No.1 年齡最小的選手
年齡最小的是10歲的這條數(shù)據(jù)，我核實了一下，居然是真的，Dimitrios Loundras這位10歲的小朋友，在1896年雅典奧運會上獲得了體操男子團體銅牌，是奧運史上最年輕的獲獎牌的運動員。
No.2 年齡最大的選手
那么97歲的這位運動員，我覺得也不是異常值了，這位John Quincy Adams Ward參加了1928年阿姆斯特丹奧運會，藝術(shù)類的雕塑項目，雖然沒有獲得獎牌，但他以97歲的高齡成為年齡最大的奧運會選手。
這里又有個冷知識了，關(guān)于奧運會藝術(shù)競賽。
1912年到1948年的7屆奧運會中都有美術(shù)類競賽，如建筑、文學、音樂、繪畫和雕塑，從1952年起，奧運藝術(shù)競賽就被取消了，后來改為奧林匹克藝術(shù)大會。
No.3 身高最低的選手
身高最低的選手有兩位，都是127cm，一男一女。
一位是來自墨西哥的體操女子全能選手Rosario Briones參加了1968年墨西哥奧運會。
另一位是來自馬拉維的男子拳擊運動員Lyton Levison Mphande，參加了1988年漢城奧運會。
No.4 身高最高的選手
身高最高的是我們的姚明，226cm，2000、2004、2008年的奧運會籃球項目都有參與。
No.5 最輕的選手
體重最輕的選手是這位來自朝鮮的女子體操全能運動員，只有25kg，真·身輕如燕，參加了1980年莫斯科奧運會。
No.6 最重的選手
體重最重的選手是這位來自關(guān)島的男子柔道運動員，參加了2008年、2012年兩屆奧運會。
參加奧運會次數(shù)最多的選手
有位名叫Ian Milar的馬術(shù)運動員參加了10次奧運會，自1972年開始，他代表加拿大征戰(zhàn)奧運，直到2012年，是他參加的第10次夏季奧運會了，并且在2008北京奧運會上他第一次拿到了馬術(shù)項目的團體銀牌，真是一個非常勵志的故事。
獲得金牌最多的選手
史上獲得金牌最多的選手是來自美國的“飛魚””菲爾普斯，以23枚金牌數(shù)遠超第二多的選手13枚。
中國情況
1932年我國派出第一個奧運代表團參加奧運會，劉長春這個名字被我們深深地記住了。1984年以后我們開始派出大規(guī)模的代表團參賽，2008年北京奧運會，有633名選手參賽，達到了歷史最高水平（2020年東京奧運會中國派出431名運動員）。
中國奧運史上男女運動員參賽比例情況如下圖所示，可以看到比起國際數(shù)據(jù)，我們女性選手的地位要高很多了，1994年女運動員占比達到了72%的最高水平。
我國參與人數(shù)最多的項目是田徑，其次是游泳、籃球、射擊、舉重，女運動員參與人數(shù)最多的5項運動是田徑、游泳、舉重、排球、籃球，男性則是田徑、游泳、射擊、籃球、擊劍。
我國拿獎牌最多的比賽項目是體操（60塊獎牌），其次是排球、舉重、游泳、羽毛球、跳水、乒乓球。
拿金牌最多的項目是排球（可能因為排球人數(shù)比較多），單人項目上金牌最多的運動是跳水、舉重。
我國獲金牌最多的選手有3位，都是拿了5塊金牌，跳水運動員陳若琳、跳水的吳敏霞、體操運動員鄒凱。
04 寫在最后
最后總結(jié)一下，
- 奧運會參數(shù)運動員人數(shù)從第一屆的176名增加到第32屆的11669名，奧運會不斷覆蓋更多的人數(shù)
- 女性運動員從最初的不到占比2%到如今的45%，有了很大的突破
- 比賽項目的種類也從9個增加到如今的36個，種類越來越多
- 歷史上參賽人數(shù)最多的項目是田徑，其次是游泳、劃船、足球
- 澳大利亞、法國、希臘、意大利、瑞典參加了全部29次夏季奧運會，中國參加了19次
- 美國派遣參加奧運會的人數(shù)最多，其次是德國，中國排在第11位
- 歷史上共有42個城市舉辦過奧運會，其中雅典和倫敦舉辦過3次
- 獲得獎牌最多的國家是美國，其次是俄羅斯、德國、英國，中國排在第12位
...
寫這篇文章，查了很多奧運知識，自己也學到了不少的冷知識，百年奧運的數(shù)據(jù)分析到這其實還只是個開始，你有什么想法都可以拿它來練手。
希望奧運會也能永遠保持初心，讓更高更快更強的奧運精神不只是一句口號，我們下一個奧運再見了。
另附數(shù)據(jù)來源，可自行下載：
https://www.heywhale.com/mw/dataset/5b62ca77a711e60010ab1154
作者簡介：
個人IP：可樂的數(shù)據(jù)分析之路
data_cola
《Excel數(shù)據(jù)處理與分析——數(shù)據(jù)思維+分析方法+場景應用》作者
