可视化|东京奥运会可视化（二）

文章目录

3.2 运动员可视化
- 3.2.1 数量可视化
- - 1. 按国家奥委会聚合矩形树图
  - 2. 按赛事类型聚合矩形树图
- 3.2.2 地理可视化
- - 1. 各国运动员分布地图
- 3.2.3 比例可视化
- - 1. 各国主要项目参赛运动员比例
3.3 国家奥委会可视化
- 3.3.1 比例可视化
- - 1. 东京奥运会参赛国家获奖比例水滴图
  - 2. 东京奥运会参赛国家获奖比例饼图
  - 3. 东京奥运会参赛国家获奖比例组合图

上篇博文【可视化|东京奥运会可视化（一）】中分享了东京奥运会奖牌榜可视化，下面我们继续介绍运动员可视化与国家奥委会可视化。

3.2 运动员可视化

3.2.1 数量可视化

1. 按国家奥委会聚合矩形树图

此处的矩形树图学习自另一个作者的可视化文章，但笔者暂时找不到当时那篇博文，等我找到后再补上原文链接！！！

# [可视化]按国家统计运动员数量
from pyecharts.charts import TreeMap
from pyecharts import options as opts
import pandas as pdathletes_df=pd.read_csv("./DataSet/Athletes/athletes.csv")
df_t = athletes_df.groupby(['Team_NOC', 'sports'])['name'].count().reset_index()
df_t.columns = ['国家奥委会', '赛事', '人数']data = []
country = []
for idx, row in df_t.iterrows():if row['国家奥委会'] in country:data[-1]['children'].append(dict(name=row['赛事'], value=row['人数']))else:data.append(dict(name=row['国家奥委会'], children=[dict(name=row['赛事'], value=row['人数'])]))country.append(row['国家奥委会'])treemap = TreeMap(    init_opts=opts.InitOpts(theme='light',width='1000px',height='600px',# bg_color='rgb(0,0,0)'))
treemap.add("参赛人数", data,leaf_depth=1,label_opts=opts.LabelOpts(position="inside", formatter='{b}：{c}名'),levels=[opts.TreeMapLevelsOpts(treemap_itemstyle_opts=opts.TreeMapItemStyleOpts(border_color="#555", border_width=4, gap_width=4)),opts.TreeMapLevelsOpts(color_saturation=[0.3, 0.6],treemap_itemstyle_opts=opts.TreeMapItemStyleOpts(border_color_saturation=0.7, gap_width=2, border_width=2),),opts.TreeMapLevelsOpts(color_saturation=[0.3, 0.5],treemap_itemstyle_opts=opts.TreeMapItemStyleOpts(border_color_saturation=0.6, gap_width=1),),# opts.TreeMapLevelsOpts(color_saturation=[0.3, 0.5]),],)
treemap.set_global_opts(title_opts=opts.TitleOpts(title="2020东京奥运会参赛人数统计（国家/地区）", pos_left='center', title_textstyle_opts=opts.TextStyleOpts(font_size=20)),legend_opts=opts.LegendOpts(is_show=False))treemap.render('./Visual/运动员数量[国家].html')

例如，点击【美国】，可以得到美国各个比赛项目的参赛人数统计。

2. 按赛事类型聚合矩形树图

# [可视化]按运动项目统计运动员数量
from pyecharts.charts import TreeMap
from pyecharts import options as optsathletes_df=pd.read_csv("./DataSet/Athletes/athletes.csv")
df_t = athletes_df.groupby(['sports', 'Team_NOC'])['name'].count().reset_index()
df_t.columns = ['赛事', '国家奥委会', '人数']data = []
event = []
for idx, row in df_t.iterrows():if row['赛事'] in event:data[-1]['children'].append(dict(name=row['国家奥委会'], value=row['人数']))else:data.append(dict(name=row['赛事'], children=[dict(name=row['国家奥委会'], value=row['人数'])]))event.append(row['赛事'])tree = TreeMap(    init_opts=opts.InitOpts(theme='light',width='1000px',height='600px',# bg_color='rgb(0,0,0)'))
tree.add("参赛人数", data,leaf_depth=1,label_opts=opts.LabelOpts(position="inside", formatter='{b}：{c}名'),levels=[opts.TreeMapLevelsOpts(treemap_itemstyle_opts=opts.TreeMapItemStyleOpts(border_color="#555", border_width=4, gap_width=4)),opts.TreeMapLevelsOpts(color_saturation=[0.3, 0.6],treemap_itemstyle_opts=opts.TreeMapItemStyleOpts(border_color_saturation=0.7, gap_width=2, border_width=2),),opts.TreeMapLevelsOpts(color_saturation=[0.3, 0.5],treemap_itemstyle_opts=opts.TreeMapItemStyleOpts(border_color_saturation=0.6, gap_width=1),),# opts.TreeMapLevelsOpts(color_saturation=[0.3, 0.5]),],)
tree.set_global_opts(title_opts=opts.TitleOpts(title="2020东京奥运会参赛人数统计（赛事）", pos_left='center', title_textstyle_opts=opts.TextStyleOpts(font_size=20)),legend_opts=opts.LegendOpts(is_show=False))
tree.render('./Visual/运动员数量[赛事].html')

例如，点击【赛艇】，可以得到各个国家奥委会在该项目的参赛人数统计。

3.2.2 地理可视化

1. 各国运动员分布地图

#[可视化]东京奥运会各国运动员分布地图
from pyecharts import options as opts
from pyecharts.charts import Map# 名称映射
namemap_df=pd.read_csv("./DataSet/国家名中英文对照表.csv")
name_map=dict(namemap_df[['名称','英文名称']].values.tolist())
# 运动员数量统计
athlete_df=pd.read_csv("./DataSet/Athletes/athletes.csv")
data_list=athlete_df.groupby(by=['Team_NOC'])['name'].count().reset_index().values.tolist()
data_list2=[]
for data in data_list:if data[0] in name_map.keys():data=[name_map[data[0]],data[1]]data_list2.append(data)
map = (Map().add("", data_list2, "world",is_map_symbol_show=False,).set_series_opts(label_opts=opts.LabelOpts(is_show=False)).set_global_opts(title_opts=opts.TitleOpts(title="2020东京奥运会各国运动员分布图"),visualmap_opts=opts.VisualMapOpts(max_=500,range_color=['#feeeed','#d71345'])).render("./Visual/[地图]各国运动员分布图.html")
)

3.2.3 比例可视化

1. 各国主要项目参赛运动员比例

此处的组合饼图学习自另一个作者的可视化文章，但笔者暂时找不到当时那篇博文，等我找到后再补上原文链接！！！

利用Pandas从CSV中获取运动员数据，并按各国参赛项目计数：

pie = Pie(init_opts=opts.InitOpts(theme='light',width='1000px',height='800px',)
)
titles = [dict(text='2020东京奥运会各国主要项目参赛运动员比例',left='center',top='0%',textStyle=dict(color='#000',fontSize=20))]
for i, c in enumerate(country_list):d = df_t[df_t['Team_NOC'] == c].reset_index()data_pair = []else_num = 0for idx, row in d.iterrows():if idx < 5:data_pair.append(opts.PieItem(name=row['sports'],value=row['number'],label_opts=opts.LabelOpts(is_show=True, formatter='{b}:{d}%')))else:else_num += row['number']data_pair.append(opts.PieItem(name='其他',value=else_num,label_opts=opts.LabelOpts(is_show=True, formatter='{b}:{d}%')))pos_x = '{}%'.format(int(i / 4) * 33 + 16)pos_y = '{}%'.format(i % 4 * 24 + 20)titles.append(dict(text=c+' ',left=pos_x,top=pos_y,textAlign='center',textVerticalAlign='middle',textStyle=dict(color='#00BFFF',fontSize=12)))pie.add(c,data_pair,center=[pos_x, pos_y],radius=['8%', '12%'])pie.set_global_opts(legend_opts=opts.LegendOpts(is_show=False),title_opts=titles
)
pie.render("./Visual/[组合饼图]各国主要项目参赛运动员比例.html")

3.3 国家奥委会可视化

3.3.1 比例可视化

1. 东京奥运会参赛国家获奖比例水滴图

利用Pandas从CSV中获取参赛国家和获奖国家列表和数量：

#[可视化]东京奥运会参赛国家获奖比例水滴图
import pandas as pd
from pyecharts.charts import Liquid
from pyecharts import options as opts
from pyecharts.globals import SymbolTypec = (Liquid().add("", [round(len(medals_country)/len(engage_country),2), 1-round(len(medals_country),2)], is_outline_show=False, shape=SymbolType.DIAMOND).set_global_opts(title_opts=opts.TitleOpts(title="2020东京奥运会参赛国家获奖比例",title_textstyle_opts=opts.TextStyleOpts(font_size=20))).render("./Visual/[水滴图]东京奥运会参赛国家获奖比例.html")
)

可以更改水滴图的形状样式：

#[可视化]东京奥运会参赛国家获奖比例水滴图
import pandas as pd
from pyecharts.charts import Liquid
from pyecharts import options as opts
from pyecharts.globals import SymbolTypec = (Liquid().add("", [round(len(medals_country)/len(engage_country),2)]).set_global_opts(title_opts=opts.TitleOpts(title="2020东京奥运会参赛国家获奖比例",title_textstyle_opts=opts.TextStyleOpts(font_size=20))).render("./Visual/[水滴图]东京奥运会参赛国家获奖比例.html")
)

2. 东京奥运会参赛国家获奖比例饼图

利用Pandas从CSV中获取参赛国家和获奖国家列表和数量：

#[可视化]东京奥运会参赛国家获奖比例饼图
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.globals import ThemeTypec = (Pie(init_opts=opts.InitOpts(theme=ThemeType.LIGHT)).add("",[['获奖',93],["未获奖",113]]).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")).set_global_opts(title_opts=opts.TitleOpts(title='2020东京奥运会参赛国家获奖比例',title_textstyle_opts=opts.TextStyleOpts(font_size=20)),legend_opts=opts.LegendOpts(is_show=False)).render("./Visual/[饼图]东京奥运会参赛国家获奖比例饼图.html")
)

3. 东京奥运会参赛国家获奖比例组合图

#[可视化]东京奥运会参赛国家获奖比例组合图
import pandas as pd
from pyecharts.charts import Liquid, Pie, Grid
from pyecharts import options as opts
from pyecharts.globals import SymbolType
# 获奖国家数量
medals_country=list(pd.read_csv("./DataSet/Medals/all-sports_medals.csv")['国家奥委会'].drop_duplicates())
# 参赛国家数量
engage_country=list(pd.read_csv("./DataSet/Athletes/athletes.csv")['Team_NOC'].drop_duplicates())
liquid = (Liquid().add("", [round(len(medals_country)/len(engage_country),2)],center=['70%','50%']).set_global_opts(title_opts=opts.TitleOpts(title="2020东京奥运会参赛国家获奖比例",title_textstyle_opts=opts.TextStyleOpts(font_size=20)))
)
pie = (Pie(init_opts=opts.InitOpts(theme=ThemeType.LIGHT)).add("",[['获奖',93],["未获奖",113]],center=['30%','50%'],radius=['20%','50%']).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")).set_global_opts(title_opts=opts.TitleOpts(title='2020东京奥运会参赛国家获奖比例',title_textstyle_opts=opts.TextStyleOpts(font_size=20)),legend_opts=opts.LegendOpts(is_show=True,pos_right='2%',pos_top='1%'))
)
grid = (Grid().add(pie, grid_opts=opts.GridOpts()).add(liquid, grid_opts=opts.GridOpts()).render("./Visual/[饼图水滴图]东京奥运会参赛国家获奖比例.html")
)

本项目以数据可视化的方式，结合可视分析学，对东京奥运会的数据进行搜集、处理、分析、提炼，并利用pyecharts绘制成可视化图表。至此，关于东京奥运会的可视化就结束啦，欢迎交流！

可视化|东京奥运会可视化（二）相关推荐

可视化|东京奥运会可视化（一）
文章目录 1 数据来源 1.1 东京奥运会官网 1.2 咪咕视频东京奥运会数据接口 2 可视化工具 3 可视化过程 3.1 奖牌榜可视化 3.1.1 数量可视化 1. TOP20国家的金银铜数量堆叠柱 ...
数据爬虫及可视化——东京奥运会奖牌榜
东京奥运会奖牌榜爬虫通过手机浏览器实时查看奥运会奖牌信息将手机浏览器访问的地址复制,通过计算机浏览器访问打开谷歌浏览器的开发者工具,切换到network选项卡,刷新页面重新请求. 拖动滚动条,找 ...
数据爬取东京奥运会获得奖牌国家及地区旗帜图片
目录旗帜图片链接从列表中取出文字和对应旗帜链接将图片通过链接请求保存在本地(img文件夹需提前创建好) 通过for循环遍历取出所有国家及地区的旗帜通过爬虫获取旗帜链接URL,爬虫代码详情见:数 ...
东京奥运会的网络安全竞赛，顶级黑客的王者之战
这是一场顶级黑客之间关于技术的较量,失败者将承担难以想象的后果. 奥运会作为全世界规模最大.影响力最大的综合性运动会,高知名度和国际性通常使其成为极具吸引力的攻击目标.在过去的奥运会上,奥运会机构及其 ...
Python制作可视化大屏（东京奥运会）
目录文章目录前言一.数据爬取二.数据预处理三.Pyecharts可视化 3.1 2020东京奥运会各国金牌分布图 3.2 2020东京奥运会奖牌榜详情 3.3 2020东京奥运会中国各项目获 ...
Pyecharts“可视化大屏“，带你重温 “2020东京奥运会“，不看直播尽知其事！
本文禁止其他人转载,违者必究! 目录 1.项目背景 2.奥运会相关信息爬取 ① 导入相关库 ② 爬虫代码完整讲解 3.数据预处理 ① 数据替换 ② 数据分组 ...
【2020东京奥运会】奥运榜单以及各国参赛运动员数据可视化~
项目本文中的代码是基于notebook写的,可以访问https://www.heywhale.com/mw/project/61015e73aca24600179ec778获取完整notebook. ...
爬虫+可视化 | 动态展示2020东京奥运会奖牌世界分布
文章目录前言 1. 导入模块 2. 数据爬取 3. 地图展示 3.1 2020东京奥运会奖牌数世界分布 3.2 2020东京奥运会金牌世界分布 3.3 2020东京奥运会金.银.铜世界分布
2020东京奥运会数据集echarts可视化分析
1.数据集的下载 2021 Olympics in Tokyo | Kaggle 部分数据集的内容如下 2.金牌榜前10名 <!DOCTYPE html> <html> < ...

可视化|东京奥运会可视化（二）

文章目录

3.2 运动员可视化

3.2.1 数量可视化

1. 按国家奥委会聚合矩形树图

2. 按赛事类型聚合矩形树图

3.2.2 地理可视化

1. 各国运动员分布地图

3.2.3 比例可视化

1. 各国主要项目参赛运动员比例

3.3 国家奥委会可视化

3.3.1 比例可视化

1. 东京奥运会参赛国家获奖比例水滴图

2. 东京奥运会参赛国家获奖比例饼图

3. 东京奥运会参赛国家获奖比例组合图

可视化|东京奥运会可视化（二）相关推荐

最新文章

热门文章