La ceremonia de apertura de los Juegos de verano de Londres 2012 comienza hoy y mientras buscaba noticias sobre los juegos, los eventos y el calendario, encontré un interesante conjunto de publicaciones de blog en el sitio web de The Guardian, que puso a disposición varios conjuntos de datos relacionados con los juegos.
El autor de Este artículo , quien proporcionó el Nombre, Sexo, Deporte y País para todos los atletas que participan en los Juegos de Verano, también concluyó la publicación con un desafío: "Acabamos de rascar la superficie de este conjunto de datos; puede descargarlo a continuación. ¿Qué puedes hacer con eso?"
Así que decidí traer estos datos a JMP y ver qué podía encontrar. Conseguir la tabla de datos en JMP fue fácil. La tabla estaba alojada en Google Docs, por lo que exporté la tabla como Valores separados por comas (.csv) haciendo clic en Archivo -> Descargar como -> Valores separados por comas (.csv, hoja actual) .
Después de abrir el conjunto de datos en JMP, puedo ver que hay 10,960 registros de atletas en los juegos. Lo primero que me gusta hacer al comenzar mi exploración es llevar todas mis columnas de interés a la plataforma de Distribución.
En este conjunto de distribuciones, podemos ver que el 44,4% de los participantes son mujeres y el 55,6% son hombres. La mayoría de los participantes caen en el nombre deportivo de Atletismo (Pista y campo) Cuando se trata de variables categóricas como en este conjunto de datos, una forma de ayudarnos a comprender los conteos dentro de esta distribución es establecer el orden de clasificación ascendente y mostrar el porcentaje de valores que se encuentran dentro de una categoría determinada.
Al hacer clic en la zona activa (triángulo rojo) en la distribución del nombre del deporte, puedo cambiar el gráfico a Ordenar por -> Cuenta ascendente y también Mostrar porcentajes en el Opciones de histograma .
Al hacer esto, puedo ver que los cinco mejores nombres deportivos para atletas, natación, fútbol, remo y hockey son los atletas, que representan un 11% más de atletas que el siguiente nombre deportivo, Natación.
Ahora, vamos a pasar un buen rato. Estoy interesado en centrarme en los atletas que son nadadores. Una excelente manera de subcontratar fácilmente mis datos es hacer doble clic en una barra de histograma. En mi caso, haré doble clic en la barra de natación y JMP creará automáticamente una nueva tabla de datos con solo los 948 nadadores en el conjunto de datos.
Para explorar estos datos, usaré otra de mis herramientas favoritas en JMP: Graph Builder. Una de las cosas que le permite hacer Graph Builder es visualizar los datos usando regiones de mapas integradas, por lo que creo que sería una buena manera de ver la cantidad de nadadores que vienen de diferentes países del mundo. Para resumir estos datos en recuentos, voy a utilizar Tabular , que le permite arrastrar y soltar columnas para crear tablas de resumen. En este caso, arrastro el Nombre del país a la Zona de colocación para las filas, y se contará el número de atletas para cada país.
Luego puedo convertir esto en una tabla de datos, que usaré para construir mi mapa en Graph Builder. Todo lo que tengo que hacer para que aparezcan las formas del mapa es arrastrar la columna del nombre del país a la zona de colocación de Forma del mapa. Y luego, para colorear por número de atletas, puedo arrastrar la columna N a la zona de colocación de color. Ahora puedo ver visualmente de dónde vienen todos los nadadores.
Pero vamos a dar un paso más. Tal vez quiera explorar la cantidad de nadadores de cada país en relación con la población de ese país. Desafortunadamente, el conjunto de datos que tenemos aquí solo tiene el nombre del país. Una rápida búsqueda en Google trajo esto sitio web , que cuenta con estadísticas mundiales sobre poblaciones. Usé el Internet abierto función en JMP para llevar estos datos a una nueva tabla de datos. Y luego usé el Tablas -> Unirse característica, que une filas de varias fuentes por valores coincidentes.
Ahora tengo una nueva tabla, que tiene el nombre del país, el número de nadadores y la población de ese país. Para determinar el número de nadadores en función de cada 10,000 personas en la población, puedo crear una nueva columna y al usar la Fórmula en las Propiedades de la columna, puedo calcular esta columna usando N / (Población / 10000). Para visualizar si hay algún país que tenga un gran número de nadadores según su población, puedo volver a la plataforma de Distribución. En cuanto a la gráfica, puedo ver que hay varios países que tienen una alta proporción de nadadores en los Juegos en función de sus poblaciones: las Islas Cook, Palau y las Islas Caimán.
Le animo a descargar este conjunto de datos, llevarlo a JMP y ver qué más puede encontrar. Si aún no es usuario de JMP, puede descargar una versión completa prueba de 30 días de forma gratuita y experimente con varias de las herramientas que he descrito en esta publicación.
