用python带你一览2021陕西全运会数据

大家好，欢迎来到 Crossin的编程教室 ！

第14届全国运动会刚刚在陕西西安圆满闭幕。1万多名来自全国各地的运动健儿在这里进行了角逐。

今天让我们利用Python来看看这次比赛的数据吧~

目录：

• 1. 数据采集

• 1.1. 比赛大项数据

• 1.2. 比赛小项数据

• 1.3. 代表团数据

• 1.4. 运动员数据

• 1.5. 决赛名次数据

• 2. 统计展示

• 2.1. 项目维度

• 2.2. 代表团维度

• 2.3. 运动员维度

1. 数据采集

全运会有个低调的官网，里面有非常详尽的数据，我这边用python直接从该网站采集了本届的各类数据，采集过程不做详细介绍了，大家看代码即可。

第十四届全运会信息发布系统：

https://info.2021shaanxi.com/

1.1. 比赛大项数据

比赛大项数据是指官网展示的一共49项大的比赛项目数据，主要包含项目ID和项目名称。

import requests
import pandas as pd

headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.97 Safari/537.36",
    }
# 大项
url = 'https://info.2021shaanxi.com/Data/commonCode/disciplineList.json'

r = requests.get(url, headers= headers)

data = r.json()
 
disciplineList = pd.DataFrame(data)
disciplineList.replace(r'-','',regex=True,inplace=True)
disciplineList.sample(5)

1.2. 比赛小项数据

比赛小项是指具体的比赛项目，比如大项射箭—男子—男子反曲弓个人项目，本次一共有427个小项。

# 小项
url = 'https://info.2021shaanxi.com/Data/commonCode/event.json'

r = requests.get(url, headers= headers,)

data = r.json()

items = []
for key in data.keys():
    for key1 in data[key].keys():
        item = data[key][key1][0]
        items.append(item)

event = pd.DataFrame(items)
event.replace(r'-','',regex=True,inplace=True)
event.sample(5)

1.3. 代表团数据

代表团是指省、机构组织或者个人，比如北京市、湖北省，北京体育大学组织或者个人（如游泳、山地车等就有以个人名义参加的运动员），一共58个代表团组织。

# 代表团
url = 'https://info.2021shaanxi.com/Data/commonCode/delegation.json'

r = requests.get(url, headers= headers, )

data = r.json()

items = []
for key in data.keys():
    item = data[key][0]
    items.append(item)

delegation = pd.DataFrame(items)
delegation.replace(r'-','',regex=True,inplace=True)
delegation.sample(5)

1.4. 运动员数据

运动员一共12434人，但实际有参与项目的12037人。

# 运动员
items = []
for Id in disciplineList['Id']:
    url = f'https://info.2021shaanxi.com/api/participant/list?discipline={Id}'
    r = requests.get(url, headers= headers)

    data = r.json()
    item = data['data']
    items.extend(item)
    
AthleteList = pd.DataFrame(items)
AthleteList.replace(r'-','',regex=True,inplace=True)    
AthleteList['event_count'] = AthleteList.EventEntry.apply(len)    
# 匹配大项
AthleteList = AthleteList.merge(disciplineList[['Id', 'CHI_Description']],
                                right_on='Id', left_on='DisciplineCode', how='left')
# 匹配组织
AthleteList = AthleteList.merge(delegation[['Id', 'CHI_Description']], 
                                left_on='OrganisationCode', right_on='Id', how='left')
AthleteList.sample(5)

1.5. 决赛名次数据

决赛名次其实就是每个项目比赛结果数据，金银铜牌获得者的信息，后续我们可以根据这份数据来看看体育强省在哪里！

# 决赛数据
dataList = []
# 决赛日期（数据是9-25号采集的，所以截止选的9-24日）
dateList = pd.date_range('2021-07-12','2021-09-24').strftime('%Y%m%d')

for date in dateList:
    url = f'https://info.2021shaanxi.com/Data/Medal/Daily/{date}/data.json'
    
    r = requests.get(url, headers= headers)
    try:
        data = r.json()
        
        data = pd.DataFrame(data)
        data.replace(r'-','',regex=True,inplace=True)
        
        def get_BirthDate(x):
            if len(x)==1:
                return x[0]['BirthDate']

        def get_AthleteCode(x):
            if len(x)==1:
                return x[0]['AthleteCode']
            
        data['BirthDate'] = data['Members'].apply(get_BirthDate)
        data['AthleteCode'] = data['Members'].apply(get_AthleteCode)
        dataList.append(data)
    except :
        continue
data = pd.concat(dataList)

df = data[['Date', 'EventCode', 'MedalRank', 'OrganisationCode', 'Gender',
          'Name', 'BirthDate', 'AthleteCode']]
# 匹配组织
df = df.merge(delegation[['Id', 'CHI_Description']], 
              left_on='OrganisationCode', right_on='Id', how='left')
# 匹配小项
df = df.merge(event[['CHI_Description','Code', 'Discipline', 'Team_Event']],
              right_on='Code', left_on='EventCode', how='left')
# 匹配大项
df = df.merge(disciplineList[['Id', 'CHI_Description']],
              right_on='Id', left_on='Discipline', how='left')
# 字段筛选
df = df[['Date', 'CHI_Description', 'CHI_Description_y', 'Gender', 'MedalRank', 
         'Name', 'CHI_Description_x','BirthDate', 'AthleteCode', 'Team_Event']]
df.sample(5)

2. 统计展示

本部分我们将进行项目统计、代表团（尤其是省级行政区代表团）统计以及运动员统计三部分展开。

2.1. 项目维度

本届全运会大项目一共49个，小项目一共427个，具体分布如下：

大项-小项分布

田径、游泳是拥有小项最多的，其中田径的小项高达52种、游泳的小项也有高达37种。热度较高的跳水小项也很多有17种，乒乓球则有7种小项。

# 筛选全小项
event = event[(event['Event'].str.len()>0)&(event['Gender'].str.len()>0)]
# 匹配大项名称
Discipline_event_Num = event.merge(disciplineList, left_on='Discipline', right_on='Id').groupby('CHI_Description_y')['Code'].nunique().to_frame('小项数')
Discipline_event_Num.sort_values(by='小项数', ascending=False).reset_index()

各大项参与人数

田径和足球是参与人数最多的项目，都多达1000人以上。不过，大多数的团体项目参与人数都是较多的无疑了。

# 各项目运动员数
Discipline_Num = AthleteList.groupby('CHI_Description_x')['AthleteCode'].nunique().to_frame('人数')
Discipline_Num.sort_values(by='人数', ascending=False).reset_index()

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']

# 设置柱状图颜色
colors = ['turquoise', 'coral']

labels = Discipline_Num.index
y = Discipline_Num['人数']

x = np.arange(len(labels))  
width = 0.35  

fig, ax = plt.subplots(figsize=(8,16))
rects1 = ax.barh(x + width/2, y, color=colors[1], edgecolor='grey')

ax.set_title('各项目参赛人数', fontsize=16)
y_pos = np.arange(len(labels))
ax.set_yticks(y_pos)
ax.set_yticklabels(labels, fontsize=12)

# 显示数据标签
ax.bar_label(rects1, padding=3)

fig.tight_layout()
# 边框隐藏
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
# ax.spines['bottom'].set_visible(False)
ax.spines['left'].set_visible(False)
plt.show()
fig.savefig('各项目参赛人数.png')

个人团体分布

在全部小项目中有139项约占32.6%的项目是团体类的（比如足球、乒乓球混双等），另外288项占比67.54的项目是个人赛。

# 个人团体分布 (Discipline)
Team_Event_Num = event.groupby('Team_Event')['Code'].nunique().to_frame('小项数')
labels = Team_Event_Num.index
sizes = Team_Event_Num['小项数']
explode = (0,  0.1,) 

fig1, ax1 = plt.subplots(figsize=(6,5))
patches, texts, autotexts = ax1.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%',
                                    shadow=True, startangle=90)
ax1.axis('equal') 
ax1.set_title('各比赛小项个人团体分布', fontsize=16)
# 重新设置字体大小
proptease = fm.FontProperties()
proptease.set_size('large')
plt.setp(autotexts, fontproperties=proptease)
plt.setp(texts, fontproperties=proptease)

plt.show()

性别分布

有207个项目是男性项目，193个项目是女性项目，混合类的有21种，而不分男女共6种（马术比赛）

# 性别分布 
Gender_Event_Num = event.groupby('Gender')['Code'].nunique().to_frame('小项数')
labels = Gender_Event_Num.index
sizes = Gender_Event_Num['小项数']
explode = (0,  0., 0, 0, ) 

fig1, ax1 = plt.subplots(figsize=(8,7))
patches, texts, autotexts = ax1.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%',
                                    shadow=True, startangle=90)
ax1.axis('equal') 
ax1.set_title('各比赛小项性别分布', fontsize=16)
# 重新设置字体大小
proptease = fm.FontProperties()
proptease.set_size('large')
plt.setp(autotexts, fontproperties=proptease)
plt.setp(texts, fontproperties=proptease)

plt.show()

2.2. 代表团维度

一共58个代表团，其中34个省级行政区+4个协会、13个俱乐部、2个学校等，其中OO是联合队（奥运会联合队）

各类代表团分布

# 代表团类型
Type_delegation_Num = delegation.groupby('Type')['Id'].nunique().to_frame('数量')
Type_delegation_Num.sort_values(by='数量', ascending=False).reset_index()

代表团人数对比

虽然说有58个代表团，实际参赛的代表团53个，比如我们的台湾省并没有参与，希望他们能早日参与进来。在这53个代表团中，我们按照省级行政区和其他分类对比看看。

省级行政区

山东、广东、江苏、上海和陕西是本次参数选手最多的省份

其他

天津体育学院作为高校，有24名参数选手，北京体育大学则有2名。

代表团参与大项数

作为东道主的陕西，本届全运会参与了高达47/49个大类，此外参赛人数较多的江苏、广东和上海均参加了44个大类。

Organisation_Discipline_Num = AthleteList.groupby('CHI_Description_y')['CHI_Description_x'].nunique().to_frame('大项数')
Organisation_Discipline_Num.sort_values(by='大项数', ascending=False).reset_index()

代表团奖牌数

注：后续章节数据截止时间为9月24日24点。。

在总奖牌数排名中，山东、广东、江苏、浙江和上海高居前列（这联合队未进行细分到省份哈）

Organisation_Medal_Num = df.pivot_table(values='Name',margins=True,index='CHI_Description_x',columns='MedalRank',aggfunc='count').fillna(0)
Organisation_Medal_Num = Organisation_Medal_Num.sort_values(by='All', ascending=False).reset_index()
Organisation_Medal_Num.columns = ['代表团','金牌','银牌','铜牌','总奖牌']
Organisation_Medal_Num.convert_dtypes()

代表团夺金数（金牌榜）

金牌榜中，山东最强，其次是联合队，接着依次是广东、江苏、浙江和福建。

我们发现联合队基本都是金牌，这也是为什么本届的奥运联合队会机制会被网友吐槽的原因！

2.3. 运动员维度

这部分我们主要看看运动员年龄分布，感受一下咱们新生代力量。

我们一共有668名运动员获得了奖牌，其中金牌获得者208人，银牌获得者215人，铜牌获得者270人。

（注意：本部分不考虑团体赛）

参数运动员性别分布

全部参赛选手中，男性占比52.2%，女性占比47.8%，总的来说是非常平衡的了。

# 参赛选手性别分布
Gender_Num = AthleteList.groupby('GenderCode')['AthleteCode'].nunique().to_frame('人数')

奖牌最多的运动员

个人单项赛事奖牌最多的有5个人，均为3块奖牌

Athlete_Medal_Num = df[df['Team_Event']=='N'].pivot_table(values='CHI_Description',margins=True,index=['Name','Gender'],columns='MedalRank',aggfunc='count').fillna(0)
Athlete_Medal_Num = Athlete_Medal_Num.sort_values(by=['All',1,2,3], ascending=[False,False,False,False]).reset_index()
Athlete_Medal_Num.columns = ['运动员','性别','金牌','银牌','铜牌','总奖牌']
Athlete_Medal_Num.convert_dtypes().head()

那都是通过什么项目获得的呢？

来自田径和游泳

nameList = Athlete_Medal_Num[Athlete_Medal_Num['总奖牌']>=3]['运动员']
df[df['Name'].str.contains('|'.join(nameList))].sort_values(by = 'Name')

事实上，来自浙江的1994年的汪顺已经收获了含团体赛在内的6枚金牌！

金牌最多的运动员

金牌数最多的就是汪顺了

获得金牌最多的女子运动员则是田径选手王春雨，来自安徽的1995年跑步健将！

获奖运动员年龄分布

本届全运会，大部分的获奖运动员出生年份集中在1994年-2000年。

我们发现居然还有1971年的51岁选手！！，最小的则是2008年的13岁朋友！！相差接近4倍~

时隔12年 “七战”1971年的老将刘英姿再夺全运会飞碟多向金牌

2008年出生的小奖，有三个是青年组的选手。

金牌运动员年龄分布

1996年和2000年出生的金牌运动员最多，居然刚好差了4年（一届周期）

以上就是本次全运会数据分析的全部内容。数据分析可以有很多维度和展现方式，本文仅仅是选取了其中的一部分，你也可以尝试更多角度的分析。

获取文中相关数据和代码文件，可点击下方公众号名片，回复关键字 全运会

作者：道才

_往期文章推荐_