玩转Kaggle数据 - 百年奥运数据盘点

admin · 发表于 2021-7-22 10:26:23

7月23日，东京奥运会的圣火即将点燃，COVID-19后疫情时代的体育盛事正在逐步回归大众视野，实乃体育迷们的一大幸事。

翘首期盼之际，我们恰巧在Kaggle上发现一份名为“120 years of Olympic history: athletes and results1”的百年奥运数据集。那么，作为一名JMPer，不妨先拿来探索把玩一番，忆往昔峥嵘岁月稠，温故待新。

01 数据集说明

数据文件athlete_events.csv收录了包括从1896年雅典到2016年里约的所有奥运会赛事记录，共计271116行和15列。

每行观测对应于参加单个奥运会项目的单个运动员，而列变量分别为：

ID - 运动员ID
Name - 姓名
Sex - 性别
Age - 年龄
Height - 身高(cm)
Weight - 体重(kg)
Team - 队伍名称，即国家
NOC - 国家奥委会三字代码
Games - 年份和夏季奥运会或冬季奥运会
Year - 年份
Season - 夏季奥运会或冬季奥运会
City - 举办城市
Sport - 运动类别
Event - 具体赛事项目
Medal - 金、银、铜或NA

需要说明的是，我们将聚焦该数据集中影响更为广泛的夏季奥运会部分数据，下文不再另行重申。

此外，由于毕竟是非官方数据，且数据探索过程也未必足够严谨，因此其结果解读仅仅是JMPer个人兴趣爱好驱使下的自娱自乐，不代表任何官方观点，特此声明，仅供参考。

02 聚是一团火

我们先来看看国家层面的奥运历史表现。

在这里：

由于“Team列”中会经常出现形如China / China-1 / China-2 / China-3 / …的记录项，以及由于历史原因导致的国家分裂和重组等，为了简便起见，使用NOC列进行国家级别的统计汇总，并可经由noc_regions.csv文件映射回国家名称。
由于行观测以单个运动员为记录单元，因此，对于一些集体项目，如足球、篮球、排球等，必然存在多名运动员同时获得奖牌记录的情况，因此，以NOC / Year / Sport / Event / Medal列为组合进行去重处理后再统计，更符合以往国家级层面的统计口径。

图-1国家级奥运金牌总榜(1896-2016)

所谓文无第一、武无第二，图-1突显了奥运金牌总数Top-10的国家。美国以1035枚金牌令其他国家望尘莫及，此外，美国也是唯一一个金牌总数超过1000枚的体育强国。金牌榜Top-5的其他国家俄罗斯、德国、英国、法国，综合国力也同样强大，由此可见，体育作为一个国家、一个民族软实力的象征所言非虚。

中国以228枚金牌排名第6，但中国是从1984年才开始正式踏上奥运征程的（图-2），即只参加了其中的13届，且征战伊始还承载着重铸民族自信的巨大压力，因此，从这个角度看，中国战绩值得肯定和骄傲。

图-2中国奥运征程(1984-2016)

在Top-10中，最容易被大众忽视的老牌体育强国当属匈牙利。但如果你是资深球迷，你也许不会太过诧异，因为匈牙利不仅曾两夺世界杯亚军，国际足联年度最佳进球奖，即大名鼎鼎的普斯卡什奖，也正是以匈牙利足球传奇费伦茨·普斯卡什而命名的。

至于奖牌总榜和金牌总榜的排名几乎趋同，这里就不再赘述了。

03 散是满天星

我们再来看看个体层面的运动员表现。

图-3 运动员级奥运金牌总榜(1896-2016)

同样也是基于金牌总榜纵向比较，如图-3所示。排名第一的就是那位家喻户晓的美国著名游泳运动员“飞鱼”迈克尔·菲尔普斯，他以23枚金牌毫无争议地问鼎。没错！就是那位身高大约两米，臂展大约也是两米的集奥运光环和酒驾、赌博、吸毒污点于一身的传奇巨星。

此处值得一提的是，坐拥10枚奥运金牌，名不见经传的“二当家”Raymond Clarence "Ray" Ewry (雷·尤瑞)（下图）。通过搜索后才得知是位跳远、立定三级跳世界冠军，参加了1900-1908年的四届奥运会。从年幼身患小儿麻痹，整天轮椅度日，到以顽强的意志通过体育锻炼恢复健康，再到27岁方才征战奥运，最终摘金并赢得“橡皮人”的美名，不得不说又是一个完美诠释奥运精神的传奇励志故事。

04 中国奥运画像
巅峰时刻

图-4 中国奥运奖牌历史

如图-4所示，中国自1984年首次参赛以来，一直在勇攀高峰，巅峰时刻为2008年的北京奥运会，天时、地利、人和条件下，摘得51金、21银、28铜的历史最佳战绩。而在其后两届奥运会，成绩出现了一定的下滑，并主要体现在金牌方面。

主场效应

鉴于中国奥运奖牌的趋势特征，我们不妨再探究一下这种主场效应是中国独有，还是世界大同。

因此，提取衍生了近9届奥运会东道主的数据子集来横向比较，统计其主办届（Current）及相邻前后两届（Last/Next）奥运金牌表现，结果如图-5所示。

图-5 近9届奥运会东道主金牌表现

尖峰状居多的面积图，大致印证了东道主的主场效应的确是客观存在的。此外，汇总图表中还出现了一些零观测值，略显突兀。其中，美国1980年的零金，源自其发起的“抵制莫斯科奥运会”活动，是美国发动的抗议苏联侵略阿富汗战争活动的一部分，也是迄今为止奥运史上最大规模的一次抵制活动。4年后，前苏联也报复性地抵制了洛杉矶奥运会，从而导致了1984年的零金。而希腊在雅典奥运会4年后的北京奥运会上确实未再摘金。

中国“梦之队”

体育大国一般都有各自的传统优势项目，这些项目是其摘金夺银、披荆斩棘的有力保障，而这些优势项目的王者之师通常被冠以“梦之队”的美名，被世人广为传颂，如最知名的当属乔丹率领的美国“梦一篮球队”。

这里，借助JMP美国总部技术人员编写的“Star Plot2”公共脚本，来呈现中国版的“梦之队”又有哪些。

图-6 中国奥运摘金项目汇总

从图-6的覆盖面积看，最名副其实的当属中国跳水梦之队，几乎可以包揽每届奥运会所有跳水项目的金银牌。举重和国乓紧随其后，但这两个项目终究少了点影响力，特别是国乓，纵然天下无敌，但或多或少愈发孤芳自赏。此外，体操，射击、羽毛球等，中国也都是名将辈出。显而易见地是，相较于欧美体育列强侧重制霸田泳（图-7），中国的传统优势项目更偏技巧型一些。

图-7 体育强国奥运优势项目汇总

阴盛阳衰？

要说中国体育阴盛阳衰，估计多数人并不反对，记忆里最高频的奥运热血词汇也当属“女排精神”和“铿锵玫瑰”。以至于在今年一期饱受争议的“吐槽大会”中，作为业内人士，辽宁男篮主教练杨鸣吐槽国手周琦时称“…打球应该学习女排精神，敢打敢拼，作风硬朗，以后打球娘们儿一点，别老爷们儿唧唧的…”。

图-8 体育强国奥运金牌男女项目比例汇总

再结合图-8体育列强奥运金牌男女项目对比的历史数据也的确可见一斑。尽管客观事实如此，但个人也相对更认同中国体育的“阴盛阳衰”，是由于黄种人体质、中国文化和奥运战略等多重复杂因素综合导致的，长远看，多半是“龙凤呈祥凤先飞”，男女金牌项目比例日趋均衡的局面。

盘点了这么多，终究是希望中国的奥运健儿们在即将开赛的东京奥运会上，承载着后疫情时代下的中华民族自信和文化自信，驰骋沙场，不负韶华，再攀奥运高峰。

最后，祝福我国奥运健儿：

“举重”若轻

“羽”众不同

“排”出万难

“乒”尽全力

“泳”往直前