Data-Gouv-FR/les-athletes-des-jeux-olympiques-de-paris-2024

该数据集包含2024年巴黎奥运会的运动员信息，来源于2024年11月从国际奥委会网站（https://olympics.com/fr/paris-2024/athletes）提取的数据（此后网站数据展示格式已更改）。数据集涵盖以下字段：姓名、来源URL、运动项目、出生日期、代表国家、年龄、角色（运动员或替补）、身高（厘米）、性别、比赛场地（若在多个场地比赛则标记为“multisite”）、比赛场地的纬度和经度（坐标来源于教育数据集）、参与比赛数量、首次参赛日期、末次参赛日期、比赛天数（唯一比赛日数，不计休息日）、在2024年巴黎奥运会上获得的金牌、银牌、铜牌数量，以及是否打破世界或奥运纪录（是/否）。该数据集不包括残奥会运动员，是为2025年5月5日至6月5日Créteil学区组织的教育数据冲刺活动提供的。This dataset contains information on athletes from the 2024 Paris Olympics, sourced from data extracted in November 2024 from the IOC website (https://olympics.com/fr/paris-2024/athletes) (the data presentation format on the site has since changed). The dataset includes the following fields: name, source URL, sport discipline, date of birth, country represented at the Olympics, age, role (athlete or substitute), height in cm, gender, competition site (marked as multisite if the athlete competed at multiple sites), latitude and longitude of the competition site (coordinates sourced from an educational dataset), number of competitions participated in, start date (first competition date), end date (last competition date), competition days (unique days of competition, excluding rest days), number of gold, silver, and bronze medals won at the 2024 Paris Olympics, and whether a world or Olympic record was broken (yes/no). The dataset does not include Paralympic athletes and is provided as part of an educational datasprint organized by the Créteil academy from May 5 to June 5, 2025.

搜集汇总

数据集介绍

构建方式

该数据集基于国际奥委会官方网站于2024年11月提取的巴黎奥运会运动员信息构建而成。数据以表格形式呈现，涵盖了运动员的姓名、出生日期、参赛国家、运动项目、性别、身高、角色（运动员或替补）以及比赛场地等多维度属性。此外，还整合了来自教育部门公开数据集的地理坐标信息，并记录了运动员的参赛天数、奖牌获取情况及是否打破世界或奥运纪录等关键指标。数据以Parquet格式存储，便于高效处理和分析。

特点

该数据集的特点在于其全面性与结构化程度，共包含近20个字段，覆盖了从基础人口学特征到竞技表现细节的完整运动员画像。特别值得注意的是，数据集不仅包含了运动员的个人信息和成绩数据，还引入了比赛地点的经纬度坐标，支持空间维度的分析。此外，每名运动员的参赛日程、奖牌统计及破纪录情况均被精确记录，为深入研究奥运竞赛格局提供了有力的数据支撑。

使用方法

开发者可通过Hugging Face的`datasets`库便捷加载该数据集，仅需调用`load_dataset`函数并指定配置名称`paris2024-athletes`，即可获得包含训练集的`Dataset`对象。数据集以`train`作为唯一的分割标识，数据以Parquet文件的形式存储，用户可直接在Python环境中进行数据处理、分析与建模，适用于奥林匹克运动相关的研究与教学场景。

背景与挑战

背景概述

该数据集创建于2024年，由法国公共数据平台data.gouv.fr主导，围绕巴黎2024年奥运会运动员信息构建，核心研究问题聚焦于体育竞技数据的结构化与可复用性。数据源自国际奥委会官网的公开信息，涵盖运动员姓名、参赛项目、奖牌记录、竞赛地点等26项属性，为体育科学、奥运历史分析及数据驱动决策提供了标准化资源。其影响力体现在推动开放数据运动与体育领域的深度融合，尤其为法国教育系统（如Créteil学区的数据竞赛）提供了教学实践范本，填补了针对单一奥运会的多维度运动员数据集空白。

当前挑战

该数据集解决的领域问题包括奥运竞技数据的碎片化与异构性挑战，例如运动员信息分散于不同官方平台，缺乏统一字段描述和地理坐标关联。构建过程面临多重困难：需从动态更新的奥组委官网进行实时抽取（因网页格式在2024年11月后调整），并整合竞赛场地数据（源自教育部的独立地理数据集），协调不同来源的坐标格式与精度差异。此外，数据未涵盖残奥会运动员，且存在字段定义模糊性（如“记录”字段仅标注是/否，未区分世界纪录与奥运纪录），需后续细化分类标准以提升分析深度。

常用场景

经典使用场景

该数据集汇集了2024年巴黎奥运会参赛运动员的详细信息，包括姓名、国籍、年龄、身高、性别、参赛项目、比赛场地地理位置、参赛天数、所获奖牌数量以及是否打破世界或奥运纪录等。其经典使用场景在于体育科学研究与数据分析领域，研究者可借助该数据集对奥运运动员群体的特征进行多维度剖析，例如分析不同项目运动员的体格差异、年龄分布与竞技表现之间的关系，或探究主场优势下法国运动员的整体表现特征。

解决学术问题

该数据集有效解决了体育科学中关于大型综合性赛事运动员特征挖掘的若干关键学术问题。传统上，研究奥运运动员往往受限于分散、非结构化的元数据。此数据集通过结构化整理，使得学者能够系统研究运动员身高、年龄等生理参数与获奖概率之间的统计关联，量化分析性别比例在不同项目间的分布差异，检验多项目参赛对运动员体能和成绩的影响，从而为运动训练理论提供了实证基础。

衍生相关工作

基于该数据集已衍生出若干有价值的学术与实践工作。在数据科学竞赛领域，该数据集被用于教学性的数据冲刺（datasprint）活动，引导学生完成数据清洗、特征工程与预测建模任务。研究者可围绕其构建奖牌预测模型，利用运动员的多维特征预估夺牌概率；地理信息分析人员可结合赛场坐标数据，探讨比赛场地空间分布与运动员成绩的关系，推动体育地理学与空间分析方法的交叉应用。