如果有10个人关注“体育赛事”
那就有100个人关注“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 
如果说有10个人关注张继科即将复出比赛
那就有100个人关注他和景甜的CP是怎么成的
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？今天小编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、数据哪里找？——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、体育明星CP——数据结果快速可视化
4、总结报告——收集和展示数据结论
小编亲测，跟一遍操作你也能很快上手。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？
爬取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，本次小编获取的数据已经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，接下来小编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？小编思考一番，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，小编便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，小编改了几行代码，很快地计算出每个运动员的评分和排名，并进行可视化：
按照小编的计算得出的“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？？？钟爱游泳的小编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小编的“重点关注对象”。
03
每一次大型赛事都是CP党的福利
——体育明星错综负载的关系网
网友们的眼中不只有比赛的激情，还有cp党的基情，先看看当年的搜索热度：
其实，明星圈的关系比你想象的复杂得多。而联系图，正是处理这些错综负载的关系的最好可视化方法。
继续使用python将明星cp数据处理成一一对应的格式，再使用可视化软件gephi快速可视化：
体育明星关系图，图中圆点大小代表cp数量大小，颜色代表不同项目的分组，连线粗细代表联系强弱。
图中可以明显看到多个体育明星cp关系：
宁泽涛拥有最多的CP；福原爱与张怡宁有最强的联系度；张继科在乒乓球界cp众多，而马龙眼里只有张继科……
04
八卦了这么多
——是时候总结一下了
小编有个好习惯，把做过的数据小研究收集起来，方便翻阅。放在ppt文件容易忘，所以小编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到浏览器就能看到小编的在线报告了：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，为什么小编学习了新技能，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，小编的又一篇文章搞定！老板满意，主编点头，不用加班！
好了，小编知道你也不想加班。这些技能，是小编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！参与方法就在下方，快开始你的学习之旅吧。
