数据分析 | 奥运小哥哥小姐姐们的身材了解一下

彭于晏这种就是虚肌肉，就是吃各种蛋白质增肌。看上去很结实，其实没卵用。打个比方就是我和他单挑，过不了五秒，他就会跪在我面前掐着我的人中求我不要死。
╭(●｀∀´●)╯╰(●’◡’●)╮

皮一下很开心！言归正传，你觉得运动员里谁的身材最好呢？是帝国猛虎张继科？还是洪荒少女傅园慧？还是花剑王子施嘉洛？（大脑一下子被各种帅气的小哥哥小姐姐塞满了无法思考……）那就看小爷我今天用数据说话，花式分析一波小哥哥小姐姐们的身材吧！ 嘿嘿嘿

0 第一步先把冰箱门打开：

很急，不解释了，快上车！

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
% matplotlib inline

from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体
mpl.rcParams['axes.unicode_minus'] # 正常显示负号

import warnings
warnings.filterwarnings('ignore')

1 先总体看下大家的身高分布

运动员身高分布

图中两条辅助线说明女性运动员的平均身高170.0，男性平均身高180.8（//▽//），下面像梳子一样的短细线代表了数据分布频率。这张图用到了seaborn绘制密度图，方法是sns.distplot()。辅助线和注释用来展示平均水平（plt.axvline，plt.annotate）。分享一下实现这张运动员身高分布图的代码：

# 读取数据
import os
os.chdir(r'..\Desktop\python_project6')
data01 = pd.read_excel('奥运运动员数据.xlsx',sheetname='运动员信息',header = 0)
#print(data01.head())

# ①制作分布密度图
data_female = data01[data01['gender'] == '女']
data_male = data01[data01['gender'] == '男']

# 设置风格及大小
sns.set_style("ticks")
plt.figure(figsize = (10,6)) 
# 女性运动员
sns.distplot(data_female['height'],
             rug = True, rug_kws = {'color':'yellowgreen'},
             kde_kws={'color': 'yellowgreen', 'lw': 2, 'label': 'female_height','linestyle':'--'},
             hist_kws={'alpha': 0},
             vertical = False  
             )
#男性运动员
sns.distplot(data_male['height'],
             rug = True, rug_kws = {'color':'gold','height':0.1},
             kde_kws={'color': 'gold', 'lw': 2, 'label': 'female_height','linestyle':'--'},
             hist_kws={'alpha': 0},
             vertical = False  
             )

# ②计算出男女平均身高，并绘制辅助线表示
data_Mean_byGender = data01.groupby('gender').mean()
#print(data_Mean_byGender)

female_height_mean = data_Mean_byGender.loc['女']['height']
male_height_mean = data_Mean_byGender.loc['男']['height']

# 绘制辅助线
plt.axvline(female_height_mean,linestyle = ':',color = 'yellowgreen',alpha = 0.9)
plt.axvline(male_height_mean,linestyle = ':',color = 'gold',alpha = 0.9)
# 添加注释
plt.annotate('female_height_mean: %.1f cm'%female_height_mean,xy=(female_height_mean+1,0.01),color='yellowgreen')
plt.annotate('male_height_mean: %.1f cm'%male_height_mean,xy=(male_height_mean+1,0.005),color='gold')
# 其他设置
plt.xlim([120,260])  # x轴边界
plt.ylim([0,0.03])   # y轴边界
plt.grid(True, linestyle = '--',color = 'gray', linewidth = '1',alpha = 0.2) # 添加网格
plt.title( "Athlete's height") # 添加标题，标题本身含有单引号，故此处字符串用双引号

2 身材可不止身高这一个维度啊

身材好不好，光看照片还真比不出来，要用数据说话~
我们今天用这几个指标比身材：

(1) 体质指数 BMI (Body Mass Index)
(2) 腿身比 LBR (Leg-to-Body Ratio)
(3) 臂长/身长
(4) 年龄

关键词1：身高体重指数 BMI

BMI快速查询表
“身高体重指数”这个概念，是由19世纪中期的比利时统计学家及数学家凯特勒（Lambert Adolphe Jacques Quetelet）最先提出。它的定义如下：
对于亚洲成年人，体重标准是少于27.5，理想指数是18.5至23.9。

关键词2：腿身比 LBR
腿身比是腿长与身高的比值。这里我们只选取小于0.7的数据，在这个范围内越大越好。

关键词3：臂长比身长
高于平均水平的臂长在篮球，拳击，击剑和游泳等运动中是有利的。所以臂长与身长的比值也将作为一项重要指标，这里我们只选取大于0.7的数据，比值越接近1越好。

关键词4：年龄
这 有 什 么 好 解 释 的！！年龄越小越好！！ ╥﹏╥

快来看看结果：

BMI等各种指标 身材Top8的运动员

蹬蹬蹬蹬！想不到吧！！上面这几个人才是数据选出来的好身材~
第一名不仅身材好，还是击剑冠军，还会唱歌！我要pick这位小哥了！(..•˘_˘•..)

施嘉洛

算了还是先分享下代码：

# 整理数据：删除缺失值及不合理的数据
data02 = data[['name','birthday','height','weight','arm','leg']]
data02.dropna(inplace=True)  # 删除缺失值
data02.drop([202],axis=0,inplace=True) # 原表中“曹缘”出现两次，除年龄列外无任何不同，故删掉一行
#print(data02.head())

# 通过出生日期计算年龄
#（原表age列存在空值，同时也有可能不是今年统计的年龄数据，故采用birthday列先求年龄）
import datetime
days = datetime.datetime.today() - data02['birthday']
age = []
for i in days:
    age.append(round(i.days/365)) # round()四舍五入
data02['age'] = age
data02['BMI'] = data02['weight'] / ((data02['height']/100)**2)
data02['leg/height'] = data02['leg'] / data02['height']
data02['arm/height'] = data02['arm'] / data02['height']
data02 = data02[data02['leg/height'] <0.7] # leg/height只选取小于0.7的数据
data02 = data02[data02['arm/height'] >0.7] # arm/height只选取大于0.7的数据

# 计算标准化得分
# 年龄越小得分越高
data02['age_n'] = (data02['age'].max() - data02['age']) / (data02['age'].max() - data02['age'].min())

# BMI值越接近22得分越高
data02['BMI_score'] = np.abs(data02['BMI']-22)
data02['BMI_n'] = (data02['BMI_score'].max() - data02['BMI_score']) / (data02['BMI_score'].max() - data02['BMI_score'].min())

# leg/height比值只选取小于0.7的数据，越大分数越高
data02['leg/height_n'] = (data02['leg/height'] - data02['leg/height'].min()) / (data02['leg/height'].max() - data02['leg/height'].min())

# arm/height比值只选取大于0.7的数据，比值越接近1分数越高
data02['arm/height_score'] = np.abs(data02['arm/height']-1)
data02['arm/height_n'] = (data02['arm/height_score'].max() - data02['arm/height_score']) / (data02['arm/height_score'].max() - data02['arm/height_score'].min())

# 计算最终得分,并按照最终得分排序
data02['final_score'] = (data02['age_n']+data02['BMI_n']+data02['leg/height_n']+data02['arm/height_n']) / 4
data02.sort_values('final_score',ascending = False,inplace = True)
data02.reset_index(inplace=True)

# ①针对不同指标，绘制面积堆叠图

# 面积图
data02[['age_n','BMI_n','leg/height_n','arm/height_n']].plot.area(colormap = 'PuRd',alpha = 0.6,figsize=(16,8))
plt.xlim([0,len(data02)])  # x轴边界
plt.ylim([0,4])   # y轴边界
plt.grid(True, linestyle = '--',color = 'gray', linewidth = '1',alpha = 0.5) # 添加网格
plt.legend(loc='upper right')
plt.title( "Athlete's Infomation")

# ②TOP8的运动员，绘制雷达图表示
data02_top = data02[['name','index','age_n','BMI_n','leg/height_n','arm/height_n','final_score']][:8]
data_ranking = data02_top.T

fig = plt.figure(figsize=(16,10))
dataLenth = 4 # 4个方面
labels = ['BMI','腿长/身高','臂长/身高','年龄'] # 4个方面对应的标签

for i in range(1,9):
    axi = fig.add_subplot(2,4,i,polar=True)
    datai = list(data_ranking[i-1].loc[['BMI_n','leg/height_n','arm/height_n','age_n']])
    angles = np.linspace(0, 2*np.pi, dataLenth, endpoint=False) # 设置雷达图的角度，用于平分切开一个圆面
    datai = np.concatenate((datai, [datai[0]])) # 为了使雷达图一圈封闭起来
    angles = np.concatenate((angles, [angles[0]])) # 为了使雷达图一圈封闭起来

    plt.polar(angles,datai,'o-',linewidth=1,c ='purple',alpha=i*0.1) # 绘制极坐标系子图
    plt.fill(angles,datai,c ='mediumvioletred',alpha =(9-i)*0.1)# 填充
    plt.thetagrids(angles * 180/np.pi, labels) # 设置网格、标签
    plt.title('Top%i %s：%.3f\n'%(i,data02_top.loc[i-1]['name'],data02_top.loc[i-1]['final_score'])) # 设置标题
    plt.ylim(0,1.2)  # 设置坐标轴范围

3 后面害有一丢丢瓜可以吃

整天看各大博主扒运动员和明星们之间各种CP大戏，娜娜酱也忍不住想用数据研究下他们各种CP热度~（源数据是微博数量、微博CP话题阅读量、B站CP视频播放量。需要用python预处理一下，再导入Gephi中查看他们之间的关系网络。）

CP关系网络

等等，我好像看到了什么了不得的东西…

谢霆锋和林丹组CP了？！
嗯？这是什么瓜，我怎么没见过
疯狂撒狗粮的一组

最后悄悄分享一下预处理的代码：

#分析CP综合热度，通过python处理数据并导出，在Gephi中绘制图表

# 数据预处理
import os
os.chdir(r'..\Desktop\python_project6')
data03 = pd.read_excel('奥运运动员数据.xlsx',sheetname='运动员CP热度',header = 0)
#print(data03.head())

# 整理数据：缺失值替换为0，同一组CP数据相加
data03.replace(np.nan,'无数据',inplace = True)
data03.replace('无数据',0,inplace = True)
        
# 计算标准化得分
data03['weibo_n'] = (data03['cp微博数量']-data03['cp微博数量'].min()) / (data03['cp微博数量'].max()-data03['cp微博数量'].min())
data03['weiboTopic_n'] = (data03['cp微博话题阅读量']-data03['cp微博话题阅读量'].min()) / (data03['cp微博话题阅读量'].max()-data03['cp微博话题阅读量'].min())
data03['BiliBili_n'] = (data03['B站cp视频播放量']-data03['B站cp视频播放量'].min()) / (data03['B站cp视频播放量'].max()-data03['B站cp视频播放量'].min())

# 计算最终得分,并按照最终得分排序
data03['final_score'] = data03['weibo_n']*0.5 + data03['weiboTopic_n']*0.3 + data03['BiliBili_n']*0.2
data03.sort_values('final_score',ascending = False,inplace = True)
data03.reset_index(inplace=True)

# 导出excel
result = data03[['p1','p2','final_score']]
writer = pd.ExcelWriter('运动员CP热度.xlsx')
result.to_excel(writer,'sheet1')
writer.save()

---

今天也是八卦满满的一天！！
也许你还想看看：数据分析，从入门到放弃

(:3[▓▓] 溜了溜了。
谢谢您阅读，请勿转载。