Py学习  »  Python

教你如何用Python正经地八卦:运动员美好身材鉴赏指南

Python开发者 • 6 年前 • 459 次点击  

如果有10个人关注“体育赛事”

那就有100个人关“体育明星”

如果有10个人关注羽生结玄能否完成“勾手四周跳”

那就有100个人关注羽生结玄优雅的肉体 


八卦的力量是无穷的 !  


那么身为一个在职场打拼、会抓热点、有技术控的编辑,怎样做一次不妖艳,不从众的八卦研究呢?今天我就为大家秀一把新学的技能:用Python完成一次与众不同的八卦。


本文以奥运数据为导向进行体育明星特点分析,同时也是一个免费的数据技能教程,适合所有数据初学者,具体包括:


1、八卦的数据源哪里找?——网页数据爬取

2、体育明星肉体观看指南——Python数据清洗、分析与简单建模

3、总结报告——收集和展示数据结论

 

亲测,跟一遍操作就能很快上手。心急的同学可以直接去文末获取教程~




01

一个头疼的问题——鲜肉数据哪里找?  


研究主题的网页数据是一种最常用的数据收集方法。奥运会可说是一个综合度高,信息齐全的主题。百度一下,很快能找到相关信息网站:网易奥运数据库


打开网站源代码,会发现所有的网站数据都记录在内:


网易奥运数据库url:http://info.2016.163.com/athlete/list/


不需要会写html代码,只要能使用ctrl+f找到你需要的数据,并用三方软件写脚本,十分钟就能获取所有上一届奥运会运动员的csv数据:


写好爬虫脚本即可快速获取运动员从csv数据


当然,本次获取的数据已经一并打包在文末的教程里了,不用谢


02 

体育明星肉体比拼——谁是我的菜? 


做完必要的数据清洗,接下来要思考的是往什么方向做研究。说到肉体,身材匀称的长腿鲜肉的是最容易红的。哪个项目有最多的潜在网红?谁是大家都爱欣赏的最美肉体?一番思考后,决定分别用BMI指数手长腿身比年龄 来描述身材匀称、长腿、鲜肉等指标。


调用python中的神器库pandas进行数据加载、清洗和分析,再使用matplotlib库中的组合图功能以及seaborn库中的美化功能,便可以快速美观地批量出图:


使用matplotlib库可以做组合图表,一键存图,自由度高,在前期可视化找结论的阶段很实用


一项数据研究的开始总会有很多脑洞,对这些小结论进行筛选的过程也是理解数据本身的过程


了解了基本情况后,决定按大众喜好制定以下四条评分规则,最后归一化处理,分别得出每个项目的运动员总评分评分分布情况:

1、BMI评估:最接近22,差值绝对值越小分数越高

2、腿长评估:计算与身高的比值,比值越大分数越高

3、手长评估:计算与身高的比值,比值越接近1分值越高

4、年龄评估:年龄越小分数越高

综合来看,跳水、拳击、游泳的整体表现比较好,且项目里均有几个肉体得分高的人。


那么究竟是哪些运动员有“最美肉体”按照同样的逻辑,我改了几行代码,很快地计算出每个运动员的评分和排名,并进行可视化:


按照计算得出的“谁是大家都爱欣赏的最美肉体”TOP8运动员:


所以大家可以留心一下,你最喜欢的体育明星上榜了吗???钟爱游泳的我当然不会放过国民网红傅园慧,97年的沈铎妹子接下来也会是“重点关注对象”。


03

八卦了这么多——是时候总结一下了  


把做过的数据小研究收集起来是个好习惯,方便翻阅。放在ppt文件容易忘,我通常会把一些结论做成图表报告放在在线工具inforgram里,还可以一键分享:


复制这个url到浏览器就能看到在线报告了:https://infogram.com/--1hnp27xdgyyp6gq




时过境迁,福原爱酱已经嫁为人妻,张继科也被宇宙景甜给抢走了,当年的CP越来越凉,奥运热度不再。那么问题来了,为什么我还要学习新技能,辛辛苦苦写下了以上所有代码?


因为下一个体育热点“世界杯”就要来了啊!


把这些代码变保存好变成脚本,数据的处理过程就保存下来了,下一次使用就能省下数据清洗、整理、构思的时间,比以前用excel快多了。


磨刀不误砍柴工,作为新媒体编辑又一篇文章搞定!老板满意,主编点头,不用加班!


以上的这些技能,是我花了一周业余时间从大鹏老师的免费Python数据分析教程中学习的你上你也行!所以,如果你想学Python数据编程,我强烈建议你参加一次“要动手、有目标、有答疑”的《数据分析师(Python)训练营》开始学习。参与方法就在下方↓


想要免费加入《Python数据分析师》训练营的小伙伴,请扫描下方二维码,就可以加入数据分析师学习QQ群啦!


了免费参与训练营外,进入数据分析师学习QQ群后,还可领取一份12G数据分析资料包组队对抗惰性,与小伙伴共同进步吧!


今天看啥 - 高品质阅读平台
本文地址:http://www.jintiankansha.me/t/590TfBkxa1
Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/11949
 
459 次点击