Running the Numbers on the 2015 Chicago Marathon

Am Chicago Marathon 2015 nahmen am 11. Oktober 2015 45.000 läufer teil. Mehr als 37.000 haben das Rennen beendet und Details zur Performance jedes einzelnen Läufers wurden sorgfältig aufgezeichnet. Untersuchen und visualisieren Sie einige Charakteristika der Läufer und ihrer Leistungen mithilfe eines benutzerdefinierten Entity-Stores, der all diese Daten enthält.

Laden Sie einen Entity-Store des Marathons aus einem ResourceObject.

In[1]:=

marathonEntityStore = ResourceData[ ResourceObject[ Association[ "Name" -> "2015 Chicago Marathon Data", "UUID" -> "7dc77972-cfc3-48dc-8d08-0292c6d2a929", "ResourceType" -> "DataResource", "Version" -> "1.0.0", "Description" -> "2015 Chicago Marathon participant data", "ContentSize" -> Quantity[1990.2215919999999`, "Megabytes"], "ContentElements" -> {"Content"}]]]

Out[1]=

Registrieren Sie den Store für diese Sitzung.

In[2]:=

PrependTo[$EntityStores, marathonEntityStore];

Extrahieren Sie Anzahl der Läufer und, mithilfe einer implizit definierten Entitätsklasse, die Anzahl der männlichen und weiblichen Teilnehmer.

In[3]:=

EntityValue["ChicagoMarathon2015", "EntityCount"]

Out[3]=

In[4]:=

Table[EntityValue[ EntityClass["ChicagoMarathon2015", "Gender" -> gender], "EntityCount"], {gender, {Entity["Gender", "Male"], Entity["Gender", "Female"]}}]

Out[4]=

Wählen Sie fünf zufällige Läufer aus.

In[5]:=

RandomEntity["ChicagoMarathon2015", 5]

Out[5]=

Sehen Sie sich die gespeicherten Daten eines bestimmten Läufers an.

In[6]:=

Entity["ChicagoMarathon2015", "Runner145"]["PropertyAssociation"]

Out[6]=

Extrahieren Sie Anzahl der Läufer nach Nationalität und erstellen Sie eine Tabelle der am stärksten vertretenen Nationalitäten.

In[7]:=

nationalityTallies = Reverse[SortBy[ Tally[EntityValue["ChicagoMarathon2015", EntityProperty["ChicagoMarathon2015", "Country"]]], Last]];

In[8]:=

TextGrid[Join @@@ Transpose[ Partition[Take[Reverse[Sort[Reverse /@ nationalityTallies]], 80], 20]], Alignment -> {{{Decimal, Left}}, Automatic}, Dividers -> {{{Thick, True}}, {{True}}}, Frame -> Thick, Background -> {Automatic, {{LightBlue, None}}}] // TraditionalForm

Out[8]//TraditionalForm=

Visualisieren Sie die geodätischen Pfade von Chicago in die Ursprungsländer der Teilnehmer.

In[9]:=

With[{chicago = Entity["City", {"Chicago", "Illinois", "UnitedStates"}]}, GeoGraphics[{Darker[Green], GeoPath[{chicago, #} & /@ nationalityTallies[[All, 1]], "Geodesic"]}, GeoRange -> "World", GeoProjection -> "Robinson", GeoCenter -> chicago]]

Out[9]=

Konstruieren Sie eine Heatmap der USA, die die Heimatorte der amerikanischen Teilnehmer zeigt.

In[10]:=

anyUS = EntityClass["ChicagoMarathon2015", "Country" -> Entity["Country", "UnitedStates"]] // EntityList;

In[11]:=

allUSCities = DeleteMissing[ EntityValue[anyUS, EntityProperty["ChicagoMarathon2015", "CityState"]]]; talliedUSCities = Tally[allUSCities]; coordsUS = EntityValue[talliedUSCities[[All, 1]], "Position"]; cityPositions = Transpose[{coordsUS, talliedUSCities[[All, -1]]^0.5}]; projectionUS = {"LambertAzimuthal", "Centering" -> GeoPosition[{37.1558, -95.883}]}; data = {GeoGridPosition[#1, projectionUS][[1]], #2} & @@@ cityPositions; weightedData = WeightedData @@ Transpose[data]; cityDensityP = SmoothKernelDistribution[weightedData, "Silverman"]; cityDensity[{lat_Real, lon_Real}] := With[{xy = First[GeoGridPosition[GeoPosition[{lat, lon}], projectionUS]]}, Flatten[{xy, PDF[cityDensityP, xy]}]]; area = GeoVariant[Entity["Country", "UnitedStates"], "DefaultMapArea"]; {{latminUS, latmaxUS}, {lonminUS, lonmaxUS}} = GeoBounds[area];

In[11]:=

cityPlot = ContourPlot[ Sqrt[Last[cityDensity[{lat, lon}]]], {lon, lonminUS, lonmaxUS}, {lat, latminUS, latmaxUS}, Frame -> False, PlotRange -> All, Contours -> 100, MaxRecursion -> 2, ColorFunction -> ColorData["DarkRainbow"], PlotRangePadding -> 0, ContourStyle -> None];

In[11]:=

GeoGraphics[{GeoStyling[{"GeoImage", cityPlot}], Polygon[area], Gray, Opacity[1], PointSize[0.001], Point[coordsUS]}, GeoRange -> area]

Out[12]=

Anzahl der Läufer pro Laufvariante berechnet aus dem zerteilten Mittelwert.

In[13]:=

allkm = Table[ Normal[allTimeSplits[[i]][2 ;;, "Time"]], {i, Length[allTimeSplits]}];

In[13]:=

allsplitbins = DeleteMissing[Transpose[allkm], 2];

In[13]:=

meanall = Table[N[Mean[allsplitbins[[i]]]], {i, Length[allsplitbins]}]

Out[13]=

In[13]:=

marathondistances = (allTimeSplits[[1]])[All, "Split"] // Normal

Out[13]=

In[13]:=

differencesall = Table[{marathondistances[[i + 1]], allsplitbins[[i]] - meanall[[i]]}, {i, Length[allsplitbins]}];

In[13]:=

allHistograms = Histogram[#2, {60}, PlotLabel -> NumberForm[#1, {3, 1}]] & @@@ differencesall;

Erzeugen Sie Histogramm für jeden Spit.

In[14]:=

Grid[Partition[allHistograms, UpTo[3]]]

Out[15]=

Plotten Sie eine geglättete Kernverteilung der Unterschiede zwischen den einzelnen Laufvarianten und deren Mittelwerte.

In[16]:=

skd = Table[ SmoothKernelDistribution[ QuantityMagnitude[differencesall[[i, 2]]]], {i, Length[differencesall]}];

In[17]:=

Plot[ Evaluate[Table[PDF[skd[[i]], t], {i, Length[skd]}]], {t, -8000, 10000}, PlotRange -> All, PlotLegends -> Table[If[IntegerQ[QuantityMagnitude[diff = differencesall[[i, 1]]]], diff, Round[diff, .1]], {i, Length[differencesall]}] ]

Out[17]=