kk Nov2018 Post

Author: bachkukkik

_posts/2018-11-12-CMU_marathon.md

@@ -0,0 +1,190 @@
+---
+author: bachkukkik
+layout: post
+title: "แนะนำนักวิ่ง CMU Marathon 2019 แบบแแมวๆ"
+description: "webscraping, clean, plot แบบแมวๆ"
+tags: [CMU Marathon, Marathon]
+image:
+  feature: post/cmu_marathon/cmu_marathon.png
+comments: true
+share: true
+date: 2018-11-12 23:30:00
+---
+
+## เกริ่นนำ
+
+ช่วงต้นเดือนกุมภาพันธ์ที่จะถึงนี้ ทางม.เชียงใหม่เค้าจัดให้ลงทะเบียน CMU Marathon เพื่อไปวิ่งที่เชียงใหม่กันครับ ซึ่งทางทีม Tupleblog ส่งตัวแทนเข้าชิง 2 นายด้วยกัน ได้แก่จารย์มาย (Titipata) และผมเอง (Bachkukkik) 
+
+นอกจากนี้ยังมีเพื่อนสนิทจากเมืองกรุงไปร่วมแจมงานวิ่งอีกหลายท่านด้วย อาทิเช่น เหลียงธนบุรี แพนด้าหัวลำโพง จ๋อดาวคะนอง เป็นต้น จัดว่าเป็น Mini Party ของ Tuple Team เลยครับ
+
+ตอนวันที่ 11/11 เวลา 11.11 น. (วันคนโสด เวลาคนเหงา) เป็นฤกษ์งามยามดีครับที่ทาง มช. เค้าเปิดให้ลงทะเบียนทางเว็บไซต์ พอทุกคนลงเสร็จก็นึกอยากรู้อยากเห็นขึ้นมาว่า เอ เพื่อนๆพี่ๆน้องๆที่ร่วมสมัครวิ่งงานเดียวกันนี่เค้าเป็นใครกัน จะวิ่งเท่าไรกันบ้าง จะได้เตรียมตัวได้ถูกต้องเหมาะสมครับ
+
+สำหรับใครที่จะเช็คชื่อคนไปวิ่ง สามารถดูได้ทางลิ้งนี้นะครับ https://go.cmu-marathon.com/retro-2019/runner เว็บเค้าทำไว้ดีมากทีเดียวครับ
+
+## ด้วยความอยากรู้อยากเห็น
+
+ส่วนผมที่อยากรู้จักทุกคนเลย ก็จะใช้ python การใน Scrape เว็บออกมาครับ โดยเริ่มจาก Code block ด้านล่างนี้เลยจ้า
+```py
+import pandas as pd
+import requests
+import seaborn as sns
+import matplotlib.pyplot as plt
+
+URL = 'https://go.cmu-marathon.com/retro-2019/runner/tableRunner?init=1&order=asc&offset=0&limit=10000'
+data = requests.get(URL).json()
+marathon_df = pd.DataFrame(data['rows'])
+```
+<figure><center>
+  <img width="800" src="images/post/cmu_marathon/marathon_df.png" data-action="zoom"/>
+
+  <figcaption>
+    <a title="Inline Code 1">
+      marathon_df.head()
+    </a>
+  </figcaption>
+</center></figure>
+
+ได้มาเป็นตารางแบบที่ในเว็บเขาใช้ แต่ว่าได้มาทุกรายชื่อครับ และเราก็จะทำการ clean ข้อมูลจากภาษาไทยเป็นภาษาอังกฤษ เวลาพลอตกราฟจะได้อ่านง่ายครับ
+```py
+d = {'ชาย': 'M', 'หญิง': 'F'}
+marathon_df['gender'] = marathon_df.gender.map(lambda x: d[x])
+
+def clean_string(s):
+    s = s.replace('ฟันรัน', 'Fun Run').replace('ชาย', '')
+    s = s.replace('หญิง', '').replace('ชาวต่างชาติ', 'foreigner')
+    s = s.replace('ขึ้นไป', '>')
+    s = s.replace('ปี', 'yo').replace('ฮาล์ฟมาราธอน', 'Half Marathon')
+    s = s.replace('มินิมาราธอน', 'Mini Marathon')
+    s = s.replace('มาราธอน', 'Marathon')
+    return s
+
+marathon_df['courseList'] = marathon_df.courseList.map(lambda x: clean_string(x))
+```
+<figure><center>
+  <img width="800" src="images/post/cmu_marathon/cleand1_marathon_df.png" data-action="zoom"/>
+
+  <figcaption>
+    <a title="Inline Code 1">
+      marathon_df.head()
+    </a>
+  </figcaption>
+</center></figure>
+
+## Plot แบบแมวๆ
+
+อย่างแรกเลยที่ผมอยากรู้ก็คือทั้งนักวิ่งชาย นักวิ่งหญิงเนี่ย เค้าลงรายการไหนกันบ้าง ว่าแล้วก็ไปพลอตกราฟกันเลย ส่วนของโค้ดที่พลอตกราฟทั้งหมดต้องยกให้เครดิตจารย์มายครับ งานดี งานไวจริมๆ
+```py
+# เตรียมข้อมูลเพื่อตีกราฟ
+sum_df = marathon_df.groupby(['courseList', 'gender']).size().reset_index().rename(columns={0: 'Number of runners'})
+
+order = [
+    'Fun Run', 'Mini Marathon  (16-19 yo)', 'Mini Marathon  (20-29 yo)',
+    'Mini Marathon  (30-39 yo)', 'Mini Marathon  (40-49 yo)',
+    'Mini Marathon  (50-59 yo)', 'Mini Marathon  (60 yo>)', 
+    'Half Marathon  (20-29 yo)',
+    'Half Marathon  (30-39 yo)', 'Half Marathon  (40-49 yo)',
+    'Half Marathon  (50-59 yo)', 'Half Marathon  (60 yo>)',
+    'Marathon  (20-29 yo)', 'Marathon  (30-39 yo)',
+    'Marathon  (40-49 yo)', 'Marathon  (50-59 yo)',
+    'Marathon  (60 yo>)', 'Marathon foreigner ']
+
+# plot จริง
+g = sns.catplot(x='courseList', 
+                y='Number of runners', 
+                hue='gender', 
+                kind='bar', 
+                data=sum_df, 
+                order=order,
+                palette="muted",
+                size=7)
+g.set_xticklabels(rotation=90, fontsize=15)
+g.set_yticklabels(fontsize=15)
+g.set_ylabels(fontsize=15)
+g.set_xlabels(label='', fontsize=15)
+g.despine(left=True)
+```
+<figure><center>
+  <img width="800" src="images/post/cmu_marathon/program_by_gender.png" data-action="zoom"/>
+
+  <figcaption>
+    <a title="Inline Code 1">
+      โปรแกรมวิ่งแบ่งตามเพศและวัย
+    </a>
+  </figcaption>
+</center></figure>
+
+จากกราฟมีความน่าสนใจอยู่ว่า รายการวิ่งที่เบาๆ เน้นเป็นงานอดิเรก สาวๆจะชอบมากเป็นพิเศษครับ ให้ได้ชัดมากๆว่างาน Fun run / Mini Marathon นี่สาวๆทุกช่วงอายุให้ความสนใจเป็นอย่างมาก
+
+แต่ก็ไม่ได้หมายความว่าหนุ่มๆจะไม่รักสุขภาพนะครับ แต่เหมือนจะชอบความ Challenge (หรือซาดิสต์ดีนะ) อธิบายได้จากกราฟครับ ชัดเจนว่างาน Half / Full Marathon นี่ ชายไทยจะชื่นชอบมากครับ
+
+ที่น่าสนใจอีกข้อคือกลุ่มคนที่ชอบวิ่งงาน CMU Marathon ส่วนใหญ่จะอายุช่วง 30-39 ปีครับ
+
+ส่วนผมกับจารย์มายน่ะหรอ สายบันเทิงครับ 10K พอ อิอิ
+
+พลอตด้านล่างเทียบอัตราส่วนชายหญิงที่มาวิ่งของแต่ละโปรแกรมจ้า
+```py
+ratios = []
+for c, df in marathon_df.groupby('courseList'):
+    try:
+        ratio = len(df[df.gender == 'F']) / len(df[df.gender == 'M'])
+        total = len(df)
+    except:
+        ratio = 0
+    ratios.append({'courseList': c, 'y': ratio, 'x': total})
+ratio_df = pd.DataFrame(ratios)
+ax = ratio_df.plot(x='x', 
+                  y='y', 
+                  kind='scatter', 
+                  figsize=(6, 6), fontsize=15)
+ax.set_xlabel('Number of Runners', fontsize=15)
+ax.set_ylabel('Female/Male Ratio', fontsize=15)
+
+ratio_df[['x', 'y', 'courseList']].apply(lambda x: ax.text(*x),axis=1);
+plt.axhline(y=1, linewidth=1, color='grey')
+```
+<figure><center>
+  <img width="800" src="images/post/cmu_marathon/ratio_program.png" data-action="zoom"/>
+
+  <figcaption>
+    <a title="Inline Code 1">
+      อัตราส่วนหญิงชายของแต่ละรายการวิ่ง
+    </a>
+  </figcaption>
+</center></figure>
+
+อีกส่วนที่น่าสนใจมากๆคือ Size เสื้อของนักวิ่งครับ ตัวแทนเข้าชิงฝ่ายชายส่วนใหญ่จะมีขนาดประมาณ M-L ครับ ซึ่งถ้าสังเกตุจากความเกือบจะเป็น Bell-curve Distribution แล้ว ชายไทยก็ถือว่ามีไซส์มาตรฐานครับ (ผู้เขียนจำไม่ได้ว่าเสื้อขนาดเท่าไรยาวกี่นิ้ว อกกว้างกี่นิ้ว ครับ)
+
+สำหรับนักวิ่งเข้าชิงฝ่ายหญิงนี่จะมีขนาดเสื้อทีมีความตัวผอม ตัวเล็กครับ ขนาดเสื้อส่วนใหญ่จะมีขนาด SS-M ซึ่งบางท่านที่มีส่วนสูง หรือ มีความเจ้าเนื้อมากเป็นพิเศษจึงต้องเพิ่มขนาดเสื้อให้เกินขนาด M ทำให้ Distribution ของขนาดเสื้อฝั่งนักวิ่งหญิงของงานนี้ไม่ได้เป็น Bell-curve แบบฝ่ายชายครับ
+```py
+size_df = marathon_df.groupby(['Shirt Size', 'gender'])\
+    .size().reset_index().rename(columns={0: 'Number of runners'})
+
+g = sns.catplot(x='Shirt Size', 
+                y='Number of runners', 
+                hue='gender', 
+                kind='bar', 
+                data=size_df, 
+                order=['3S', 'SS', 'S', 'M', 'L', 'XL', '2XL', '3XL', '4XL'],
+                palette="muted",
+                height=7)
+g.set_xticklabels(rotation=90, fontsize=15)
+g.set_yticklabels(fontsize=15)
+g.set_ylabels(fontsize=15)
+g.set_xlabels(label='', fontsize=15)
+g.despine(left=True)
+```
+<figure><center>
+  <img width="800" src="images/post/cmu_marathon/shirt_size.png" data-action="zoom"/>
+
+  <figcaption>
+    <a title="Inline Code 1">
+      plot เรื่องขนาดเสื้อระหว่างชายหญิง
+    </a>
+  </figcaption>
+</center></figure>
+
+และนี้ก็เป็นการทำความรู้จักนักวิ่งงาน CMU Marathon แบบคร่าวๆนะครับ สำหรับท่านไหนอยากรู้จักให้อยากรู้จักนักวิ่งให้มากกว่านี้ ต้องไปโดนเองที่เชียงใหม่แล้วครับ ^^
+
+Stay Hungry. Stay Foolish.
+
+> ขอบคุณจารย์มาย [@titipata](https://github.com/titipata) ที่ช่วยทำ plotting ให้นะครับ นอกจากนี้ใน Tupleteam ของเรายังมี จารย์ตุลย์ [@bluenex](https://github.com/bluenex) และ จารย์พี่ตั๋น [@kittinan](https://github.com/kittinan) เป็นผู้เขียน tupleblog ด้วย