体育-120年奥运会数据可视化-约1300行（Pyecharts可视化）.zip资源-CSDN文库

共6个文件

ipynb：2个

csv：2个

html：1个

版权申诉

Python

21 浏览量 2024-04-21 22:06:14 上传评论收藏 5.42MB ZIP 举报

资源推荐

资源详情

资源评论

收起资源包目录

体育-120年奥运会数据可视化-约1300行（Pyecharts可视化）.zip （6个子文件）

120年奥运会数据可视化.py 68KB

athlete_events.csv 34.85MB

120年奥运会数据可视化.html 1.85MB

noc_regions.csv 4KB

.ipynb_checkpoints

120年奥运会数据可视化-checkpoint.ipynb 1.54MB

120年奥运会数据可视化.ipynb 1.54MB

#!/usr/bin/env python # coding: utf-8 # <h1>Table of Contents</h1> # <div class="toc"><ul class="toc-item"><li><a href="#项目介绍" data-toc-modified-id="项目介绍-1">1  项目介绍</a></li><li><a href="#导入库-&-数据" data-toc-modified-id="导入库-&-数据-2">2  导入库 & 数据</a></li><li><a href="#累计奖牌数" data-toc-modified-id="累计奖牌数-3">3  累计奖牌数</a><ul class="toc-item"><li><a href="#各国夏奥会累计奖牌数" data-toc-modified-id="各国夏奥会累计奖牌数-3.1">3.1  各国夏奥会累计奖牌数</a></li><li><a href="#各国冬奥会累计奖牌数" data-toc-modified-id="各国冬奥会累计奖牌数-3.2">3.2  各国冬奥会累计奖牌数</a></li></ul></li><li><a href="#各项运动产生金牌数" data-toc-modified-id="各项运动产生金牌数-4">4  各项运动产生金牌数</a></li><li><a href="#运动员层面" data-toc-modified-id="运动员层面-5">5  运动员层面</a><ul class="toc-item"><li><a href="#历年参赛人数趋势" data-toc-modified-id="历年参赛人数趋势-5.1">5.1  历年参赛人数趋势</a></li><li><a href="#历年女性运动员占比趋势" data-toc-modified-id="历年女性运动员占比趋势-5.2">5.2  历年女性运动员占比趋势</a></li><li><a href="#获得金牌最多的运动员" data-toc-modified-id="获得金牌最多的运动员-5.3">5.3  获得金牌最多的运动员</a></li><li><a href="#获得金牌/奖牌比例" data-toc-modified-id="获得金牌/奖牌比例-5.4">5.4  获得金牌/奖牌比例</a></li><li><a href="#运动员平均体质数据" data-toc-modified-id="运动员平均体质数据-5.5">5.5  运动员平均体质数据</a></li></ul></li><li><a href="#🇨🇳中国奥运会表现" data-toc-modified-id="🇨🇳中国奥运会表现-6">6  🇨🇳中国奥运会表现</a><ul class="toc-item"><li><a href="#历届奥运会参赛人数" data-toc-modified-id="历届奥运会参赛人数-6.1">6.1  历届奥运会参赛人数</a></li><li><a href="#历届奥运会奖牌数" data-toc-modified-id="历届奥运会奖牌数-6.2">6.2  历届奥运会奖牌数</a></li><li><a href="#优势项目" data-toc-modified-id="优势项目-6.3">6.3  优势项目</a></li></ul></li><li><a href="#🇺🇸美国奥运会表现" data-toc-modified-id="🇺🇸美国奥运会表现-7">7  🇺🇸美国奥运会表现</a><ul class="toc-item"><li><a href="#历届奥运会参加人数" data-toc-modified-id="历届奥运会参加人数-7.1">7.1  历届奥运会参加人数</a></li><li><a href="#历届奥运会获得奖牌数" data-toc-modified-id="历届奥运会获得奖牌数-7.2">7.2  历届奥运会获得奖牌数</a></li><li><a href="#优势项目" data-toc-modified-id="优势项目-7.3">7.3  优势项目</a></li></ul></li><li><a href="#被单个国家统治的奥运会项目" data-toc-modified-id="被单个国家统治的奥运会项目-8">8  被单个国家统治的奥运会项目</a></li></ul></div> # ### 项目介绍 # * 受疫情影响，2020东京奥运会将延期至2021年举行； # # * 虽然延期，但此次奥运会依旧会沿用「2020东京奥运会」这个名称； # # * **这也将是奥运会历史上首次延期**（1916年、1940年、1944年曾因一战，二战停办）； # # # ------ # # ***本项目将会从以下角度来呈现奥运会历史：*** # 1. 各国累计奖牌数； # # 2. 各项运动产生金牌数 # # 3. 运动员层面 # # * 参赛人数趋势 # # * 女性参赛比例趋势 # # * 获得金牌最多的运动员 # # * 获得奖牌/金牌比例 # # * 各项目运动员平均体质数据 # # 4. 主要国家表现 # * 🇨🇳中国表现 # # * 🇺🇸美国表现 # # 5. **被单个国家统治的奥运会项目** # # ### 导入库 & 数据 # In[1]: import pandas as pd import numpy as np import pyecharts from pyecharts.charts import * from pyecharts import options as opts from pyecharts.commons.utils import JsCode # In[2]: athlete_data = pd.read_csv('./athlete_events.csv') noc_region = pd.read_csv('./noc_regions.csv') # 关联代表国家 data = pd.merge(athlete_data, noc_region, on='NOC', how='left') data.head() # ### 累计奖牌数 # 夏季奥运会 & 冬季奥运会分别统计 # * 夏季奥运会开始于1896年雅典奥运会； # # * 冬季奥运会开始于1924年慕尼黑冬奥会； # In[3]: medal_data = data.groupby(['Year', 'Season', 'region', 'Medal'])['Event'].nunique().reset_index() medal_data.columns = ['Year', 'Season', 'region', 'Medal', 'Nums'] medal_data = medal_data.sort_values(by="Year" , ascending=True) # In[4]: def medal_stat(year, season='Summer'): t_data = medal_data[(medal_data['Year'] <= year) & (medal_data['Season'] == season)] t_data = t_data.groupby(['region', 'Medal'])['Nums'].sum().reset_index() t_data = t_data.set_index(['region', 'Medal']).unstack().reset_index().fillna(0, inplace=False) t_data = sorted([(row['region'][0], int(row['Nums']['Gold']), int(row['Nums']['Silver']), int(row['Nums']['Bronze'])) for _, row in t_data.iterrows()], key=lambda x: x[1]+x[2]+x[3], reverse=True)[:20] return t_data # #### 各国夏奥会累计奖牌数 # # * 截止2016年夏季奥运会，**美俄分别获得了2544和1577枚奖牌**，位列一二位； # # * **中国由于参加奥运会时间较晚，截止2016年累计获得了545枚奖牌**，位列第七位； # # In[5]: year_list = sorted(list(set(medal_data['Year'].to_list())), reverse=True) tl = Timeline(init_opts=opts.InitOpts(theme='dark', width='1000px', height='1000px')) tl.add_schema(is_timeline_show=True,is_rewind_play=True, is_inverse=False, label_opts=opts.LabelOpts(is_show=False)) for year in year_list: t_data = medal_stat(year)[::-1] bar = ( Bar(init_opts=opts.InitOpts()) .add_xaxis([x[0] for x in t_data]) .add_yaxis("铜牌🥉", [x[3] for x in t_data], stack='stack1', itemstyle_opts=opts.ItemStyleOpts(border_color='rgb(220,220,220)',color='rgb(218,165,32)')) .add_yaxis("银牌🥈", [x[2] for x in t_data], stack='stack1', itemstyle_opts=opts.ItemStyleOpts(border_color='rgb(220,220,220)',color='rgb(192,192,192)')) .add_yaxis("金牌🏅️", [x[1] for x in t_data], stack='stack1', itemstyle_opts=opts.ItemStyleOpts(border_color='rgb(220,220,220)',color='rgb(255,215,0)')) .set_series_opts(label_opts=opts.LabelOpts(is_show=True, positio

评论收藏

内容反馈

版权申诉