【2020东京奥运会】 数据分析及可视化

写在前面

数据获取

数据预处理

数据可视化

各地区奖牌数量分布

奖牌榜前十

中国夺金项目分类

中国奖牌实时数量

合成看板

写在前面

数据获取

数据预处理

数据可视化

各地区奖牌数量分布

奖牌榜前十

中国夺金项目分类

中国奖牌实时数量

合成看板

总结

写在前面

首先要声明一点标题没写错哦！是【2020东京奥运会】，应该看过直播的人都知道，至于原因可以自行百度哈，今天给我女朋友看了一下文章，她竟然直接说我标题写错了，哈哈，所以感觉在这有必要解释一下~

8月8日，小日…呃…子过得挺好的日本选手的国家 举办的东京奥运会已经结束了。在奥运期间，主办方种种 奇葩操作 直接把我看傻，最终它们也通过独特的“手段” 挤入了前三名，在这里首先谢谢他们刷新了我对奥运的认知。同时，借此机会看看我国今年奥运会的获奖情况，话不多说进入正文。

数据获取

奥运会相关数据来自以下两个接口。

https://app-sc.miguvideo.com/vms-livedata/olympic-medal/total-table/15/110000004609

https://app-sc.miguvideo.com/vms-livedata/olympic-medal/detail-total/15/110000004609

:one: 下面通过第一个接口，解析获取我们所需的数据，主要包含国家的排名与奖牌数。

打开链接之后，可以发现主要信息都在 allMedalData 字段内。

在网页中确认需要提取的内容，然后通过对应的 key 进行提取。

import requests import pandas as pd data_url = 'https://app-sc.miguvideo.com/vms-livedata/olympic\ -medal/total-table/15/110000004609' # 请求数据 data = requests.get(data_url).json() df = pd.DataFrame() for item in data['body']['allMedalData']: df = df.append([[item['countryName'], item['countryId'], item['rank'], item['goldMedalNum'], item['silverMedalNum'], item['bronzeMedalNum'], item['totalMedalNum']]]) # 修改列名 df.columns = ['国家', '国家id', '排名', '金牌', '银牌', '铜牌', '奖牌'] # 重置索引 df.reset_index(drop=True, inplace=True) df.head()

:two: 第二个链接同样如此。

data_url = 'https://app-sc.miguvideo.com/\ vms-livedata/olympic-medal/detail-total/15/110000004609' data = requests.get(data_url).json() detail_df = pd.DataFrame() # 请求数据 for item in data['body']['medalTableDetail']: detail_df = detail_df.append([[item['awardTime'], item['medalType'], item['sportsName'], item['countryId'], item['bigItemName']]]) # 修改列名 detail_df.columns = ['获奖时间', '奖牌类型', '运动员', '国家id', '运动类别'] # 重置索引 detail_df.reset_index(drop=True, inplace=True) detail_df.head()

数据预处理

第二个接口获取的数据中没有国家名称，需要参照第一个接口的数据按照 “国家id” 列进行匹配。修改 “奖牌类型”，将“1，2，3” 修改为 “金牌，银牌，铜牌”。

detail_df.loc[detail_df['奖牌类型'] == 1, '奖牌类型'] = '金牌' detail_df.loc[detail_df['奖牌类型'] == 2, '奖牌类型'] = '银牌' detail_df.loc[detail_df['奖牌类型'] == 3, '奖牌类型'] = '铜牌' courtry_df = df.loc[:, ['国家', '国家id']] detail_df = pd.merge(detail_df, courtry_df, on='国家id', how = "inner") detail_df.head()

数据整理完毕可以将数据保存到本地，方便可视化。

df.to_csv('东京奥运会国家排名.csv', index=False) detail_df.to_csv('东京奥运会获奖详情.csv', index=False)

数据可视化

各地区奖牌数量分布

先看一下各地区奖牌数量分布，颜色越深奖牌数（总数）越多。得奖多的地区也侧面反映了国家的实力。

奖牌榜前十

制作堆叠条形图，展示奖牌榜前十名，每个柱子从上到下依次为金牌、银牌、铜牌的数量，图例没在边上没截进去，见谅~

中国夺金项目分类

使用饼图来显示我国夺金的项目分类，像 举重、跳水、乒乓球 一直都是我们的夺金热门项目。

中国奖牌实时数量

该图展示我国每日金银铜获取的实时情况，可以清晰地看出每天各个项目的获奖情况。

合成看板

将上面制作的图标合成在一个仪表盘中，提高观赏性~

由于地图太大，就在两个看板中添加了跳转按钮，以此实现看板跳转。效果如下。

总结

在此次奥运会中，我国代表队在大部分项目都有出色的表现，传统优势项目也保持了优势地位。举重共8个小项目获得 7金1银 ，跳水8个小项目获得 7金5银 ，均取得历史最好成绩。在整体上来看我国夺金项目覆盖面宽，除优势项目外，还获取 蹦床体操、场地自行车赛、帆船、击剑、净水皮划艇、赛艇、田径、羽毛球 等项目的金牌。

由于数据量不多，不能够较全面的分析整个比赛，这发表一下自己的看法，同时在这里期待下届奥运会我国运动健儿的表现~

这就是本文所有的内容了，如果感觉还不错的话。

❤ 点个赞再走吧！！！❤

后续会继续分享《Python数据分析及可视化》方面文章，如果感兴趣的话可以点个关注不迷路哦~。

源码可以通过可以通微信搜 Python新视野，回复“东京奥运会”直接获取。对于刚入门 Python 或是想要入门 Python 的小伙伴，也可以通过上述方式一起交流学习，都是从新手走过来的，有时候一个简单的问题卡很久，但可能别人的一点拨就会恍然大悟，由衷的希望大家能够共同进步。

Python 数据挖掘

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。