米博体育官网以奥运数据为导向进行体育明星特点分析：运动员肉体观赏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：
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：
获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。百度一下米博体育官网，很快能找到相关信息网站：网易奥运数据库。
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：
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
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：
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：
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”。
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。