数据分析带你回顾历史上的百年奥运
2020东京奥运会已经结束了，才想起来写一篇关于奥运会的数据分析文章，真是前些天都太热衷于追奥运了。
找了一下，网上果然有从1896第一届现代奥运会开始至2016年里约奥运会的全部数据，当然如果你感兴趣，还可以把2020年的给加上，于是，我们就可以用这些数据来重新回顾一下这100多年来的奥运会历史了！
image
01 提出问题
奥运会，全称：奥林匹克运动会，发源于2000多年前的古希腊，因举办地在奥林匹亚而得名，每4年一届，是世界上影响力最大的体育盛会。
1896年，停办了1500年的奥运会终于得以重办，这也是首届现代奥运会，如今已举办了32界夏季奥运会，23界冬季奥运会。
我们可以带着以下3个问题来分析这份数据，了解历史。
- 地域上，哪些国家/地区举办奥运会次数最多？参赛的运动员最多？获奖最多？
- 个人上，历年来男女参赛的运动员表现如何？
- 项目上，有没有哪些项目是某些国家/地区的强项？
02 数据探查
数据来源：
https://www.heywhale.com/mw/dataset/5b62ca77a711e60010ab1154
共两份数据，一份athlete_events.csv，包含了参赛运动员基本生物数据和奖牌结果。
一份noc_regions.csv，是国家奥委会3个字母的代码与对应国家信息。
分析工具：Power BI + Excel
1.1 字段介绍
运动员数据包含了从1896年至2016年，历届奥运会每位运动员参赛的数据，共271116行15个字段，每行对应每位运动员参加奥运会项目的信息。
- ID：每个运动员的唯一编号，共135571个编号
- Name：运动员姓名
- Sex：运动员性别，F是女性，M是男性
- Age：运动员年龄
- Height：运动员身高，单位cm
- Weight：运动员体重，单位kg
- Team：运动员代表队，如中国
- NOC：国家奥委会三字代码
- Games：运动员参加的哪一届奥运会
- Year：年份
- Season：季节
- City：主办城市，如北京
- Sport：运动项目，如篮球
- Event：具体项目，如男子篮球
- Medal：奖牌，如金牌、银牌、铜牌或没有
奥委会数据：
- NOC：国家奥委会3个字母的代码
- Region：国家/地区
- Notes：备注
这里需要理解的是：
- ID号比实际数据量少是因为会有1个运动员参加几个项目的情况，一个运动员对应一个ID编号，而非一条数据对应一个ID。
- NOC是指国家奥委会三字代码，比如中国的代码是CHN
- GAMES是用年份+季节命名的哪一届奥运会，比如2016 Summer是2016年夏季奥运会。奥运会其实包含夏季奥运会、冬季奥运会、残奥会等，夏奥会受关注较多，这份数据是包含夏奥会和冬奥会的。
- TEAM是该运动员所在的代表队，也就是运动员所属的国家/地区。插播一条冷知识，奥运会是以奥委会为代表团参加的，而不是以国家为代表，所以也一直在强调“国家或地区”这个概念，也是为什么台湾会参与，并且是以中华台北的名义，因为中华台北奥委会是国际奥委会的成员，所以它可以参与，历史上它还以“中华民国”的名义参与，被我们抵制了。
将两份数据以NOC为共同字段进行关联，就可以得到每个运动员所属的国家/地区了。
将数据导入Power BI，它会自动设置好关联。
image
1.2 数据处理
1.2.1 缺失值
这份数据在Age、Height、Weight、Medal列存在缺失值：
- Medal的缺失值表示该运动员在此项目上没有拿到奖牌，不用处理
- Age列有9474个缺失值，占比3.5%
- Height列有60171个缺失值，占比22%
- Weight列有62875个缺失值，占比23%
年龄、身高、体重属于个人信息，本来想做一些填充处理，但发现很多空值都是某一个国家，一个类别的项目，一大片的缺失，无法根据已知信息去填充，所以这里就空着吧，保留原始数据。
image
1.2.2 异常值
Team里命名是不规范的，可以看到一个代表队后面跟了好几个数字，但好在这些代表队的奥委会编码NOC都是一样的，因此可以直接根据NOC去匹配国家/地区，这里就不处理了。其他的数据都比较规范，没有什么异常值。
image
1.2.3 重复值
介绍字段的时候提到了，一个ID代表一个运动员参加的一个项目，因此ID重复是正常的，因为一个运动员可能不止参加一项比赛。
03 数据分析
夏季奥运会从1896年开始，每4年举办一次，这份数据是到2016年的，共举办了29次，冬季奥运会举办了22次。
相信对数字敏感的你已经发现问题了，文章开头刚提到2020东京奥运会是第32界奥运会，这里的夏季奥运会怎么才举办了29次呢？少了哪3届没有举办呢？
其实看一下年份就发现端倪了，两次世界大战的缘故，原拟在1916、1940、1944年举办的三届奥运会成了空白。
image
参与人数逐年增加
从1896年第一届现代奥运会176名运动员12个国家/地区参赛开始，到2016年伦敦奥运会11179名206个国家/地区，运动员参赛数量逐渐增加（2020年东京奥运会参赛运动员11669名，204个国家/地区），下图是夏季奥运会的运动员参赛数量和参数国家/地区数的图。
image
图中红圈圈出来的是3个明显的低点，非常值得说道：
- 1932年洛杉矶奥运会，因费用问题，参赛人数显著减少，值得一提的是，也是此次奥运会，中国首次派出了代表团，也就是我国奥运第一人刘长春，参与了田径项目，这也是我们征战奥运的第一枪。
- 1956年墨尔本奥运会，是历史上唯一一次在不同时间、地点举行的奥运会，且当时正值美苏冷战的大背景下，多国弃权，人数少也就可想而知了。并且此次奥运会中国代表团拒绝参赛，原因是国际奥委会一面承认中华人民共和国，一面同意台湾以“中华民国”名义参加奥运会，为了反对分裂中国的企图，中国严肃地抵制了该届奥运会。
- 1980年莫斯科奥运会，当时苏联还没解体，奥运会第一次在社会主义国家举办，为了抗议苏联入侵阿富汗，美国等国发起抵制莫斯科奥运会，使得最终只有80个国家参加，这是自1956年以来最少国家参加的一届奥运会。
女性运动员参赛人数逐渐增加
1900年23名女性首次参加了奥运会，占比1.87%，1980年开始女性参赛的数量大幅增加，到2016年5034名女运动员参赛，占比45%。
image
历史上男女运动员比例。
image
比赛项目种类逐渐丰富
历届奥运会比赛项目种类也是逐渐增加，1896年夏奥会上只有9个，到2016年有36个项目。
image
参与人数最多的运动
历史上参与人数最多的项目是田径，其次是游泳、划船、足球。
image
男女运动员参与这些项目的人数比例情况如下图，在棒球、北欧两项（冬奥会项目）、拔河、橄榄球、马球、长曲棍球等13个项目上完全没有女运动员参与，不过在艺术体操、花样游泳、垒球上也都没有男运动员参加。
image
国家/地区之最
No.1 哪个国家参加奥运会的次数最多
历史上总共有208个国家/地区参加过奥运会，澳大利亚、法国、希腊、意大利、瑞典参加了全部29次夏季奥运会，中国参加了19次。
image
No.2 哪个国家派遣的运动员最多
可以看到历史上美国派遣参加奥运会的人数最多，其次是德国，中国排在第11位，这也和我们前期没参与有关。
image
No.3 举办奥运会次数最多的城市是哪个
历史上共有42个城市举办过奥运会，其中雅典和伦敦举办过3次，因斯布鲁克、普莱西德湖城、洛杉矶、巴黎、圣莫里兹、斯德哥尔摩举办了两次，剩下的城市都只举办过1次。
image
通过绘制数据地图可以看出，欧洲国家不管是在单个城市承办次数还是数量上都有明显优势，不过北京也马上要成为举办过2次奥运会的城市了（2008年夏季奥运会和即将到来的2022年冬季奥运会）。
image
No.4 哪个国家获奖最多？
历史上获得奖牌最多的国家是美国，其次是俄罗斯、德国、英国。在今年的东京奥运会上，我们拿到了38块金牌，88块奖牌。
image
N0.5 哪个国家哪个项目的金牌最多
在大项目上，美国的游泳、田径拿的金牌占了几乎半壁江山。
image
个人之最
通过查看运动员年龄分布状况，可以知道选手21~24岁的人数是最多的，男女运动员都差不多。
image
从拿奖牌的选手的年龄分布上也可以看出，还是22~23岁的选手获奖最多。
image
No.1 年龄最小的选手
年龄最小的是10岁的这条数据，我核实了一下，居然是真的，Dimitrios Loundras这位10岁的小朋友，在1896年雅典奥运会上获得了体操男子团体铜牌，是奥运史上最年轻的获奖牌的运动员。
image
No.2 年龄最大的选手
那么97岁的这位运动员，我觉得也不是异常值了，这位John Quincy Adams Ward参加了1928年阿姆斯特丹奥运会，艺术类的雕塑项目，虽然没有获得奖牌，但他以97岁的高龄成为年龄最大的奥运会选手。
这里又有个冷知识了，关于奥运会艺术竞赛。
1912年到1948年的7届奥运会中都有美术类竞赛，如建筑、文学、音乐、绘画和雕塑，从1952年起，奥运艺术竞赛就被取消了，后来改为奥林匹克艺术大会。
image
No.3 身高最低的选手
身高最低的选手有两位，都是127cm，一男一女。
一位是来自墨西哥的体操女子全能选手Rosario Briones参加了1968年墨西哥奥运会。
另一位是来自马拉维的男子拳击运动员Lyton Levison Mphande，参加了1988年汉城奥运会。
image
No.4 身高最高的选手
身高最高的是我们的姚明，226cm，2000、2004、2008年的奥运会篮球项目都有参与。
image
No.5 最轻的选手
体重最轻的选手是这位来自朝鲜的女子体操全能运动员，只有25kg，真·身轻如燕，参加了1980年莫斯科奥运会。
image
No.6 最重的选手
体重最重的选手是这位来自关岛的男子柔道运动员，参加了2008年、2012年两届奥运会。
image
参加奥运会次数最多的选手
有位名叫Ian Milar的马术运动员参加了10次奥运会，自1972年开始，他代表加拿大征战奥运，直到2012年，是他参加的第10次夏季奥运会了，并且在2008北京奥运会上他第一次拿到了马术项目的团体银牌，真是一个非常励志的故事。
image
获得金牌最多的选手
史上获得金牌最多的选手是来自美国的“飞鱼””菲尔普斯，以23枚金牌数远超第二多的选手13枚。
image
中国情况
1932年我国派出第一个奥运代表团参加奥运会，刘长春这个名字被我们深深地记住了。1984年以后我们开始派出大规模的代表团参赛，2008年北京奥运会，有633名选手参赛，达到了历史最高水平（2020年东京奥运会中国派出431名运动员）。
image
中国奥运史上男女运动员参赛比例情况如下图所示，可以看到比起国际数据，我们女性选手的地位要高很多了，1994年女运动员占比达到了72%的最高水平。
image
我国参与人数最多的项目是田径，其次是游泳、篮球、射击、举重，女运动员参与人数最多的5项运动是田径、游泳、举重、排球、篮球，男性则是田径、游泳、射击、篮球、击剑。
image
image
我国拿奖牌最多的比赛项目是体操（60块奖牌），其次是排球、举重、游泳、羽毛球、跳水、乒乓球。
拿金牌最多的项目是排球（可能因为排球人数比较多），单人项目上金牌最多的运动是跳水、举重。
image
我国获金牌最多的选手有3位，都是拿了5块金牌，跳水运动员陈若琳、跳水的吴敏霞、体操运动员邹凯。
image
04 写在最后
最后总结一下，
- 奥运会参数运动员人数从第一届的176名增加到第32届的11669名，奥运会不断覆盖更多的人数
- 女性运动员从最初的不到占比2%到如今的45%，有了很大的突破
- 比赛项目的种类也从9个增加到如今的36个，种类越来越多
- 历史上参赛人数最多的项目是田径，其次是游泳、划船、足球
- 澳大利亚、法国、希腊、意大利、瑞典参加了全部29次夏季奥运会，中国参加了19次
- 美国派遣参加奥运会的人数最多，其次是德国，中国排在第11位
- 历史上共有42个城市举办过奥运会，其中雅典和伦敦举办过3次
- 获得奖牌最多的国家是美国，其次是俄罗斯、德国、英国，中国排在第12位
...
写这篇文章，查了很多奥运知识，自己也学到了不少的冷知识，百年奥运的数据分析到这其实还只是个开始，你有什么想法都可以拿它来练手。
希望奥运会也能永远保持初心，让更高更快更强的奥运精神不只是一句口号，我们下一个奥运再见了。
另附数据来源，可自行下载：
https://www.heywhale.com/mw/dataset/5b62ca77a711e60010ab1154
作者简介：
个人IP：可乐的数据分析之路
data_cola
《Excel数据处理与分析——数据思维+分析方法+场景应用》作者
