1500m牛丼を大真面目に(簡単に)分析する

1500m牛丼とは

発端

1500m牛丼は2016年9月、YouTuberの東海オンエアによって公開された、新競技「1500m牛丼」で世界新記録達成！！ を発端とする競技である。
東海オンエアメンバーの記録は以下の通りである。なお、てつや氏は牛丼を完食できず、いまだ競技である。

rank	名前	1500m	牛丼	合計
1	りょう	5'23	6'55	12'18
2	しばゆー	6'48	11'49	18'37
3	としみつ	7'57	13'18	21'25
-	てつや	6'16	---	---

弊部の取り組み

弊部活動では動画が公開された2016年から、年に1回のペースでレクリエーションの一環として実施されている。2019年までは長距離パートの恒例行事となっていたが、2020年から2021年までのコロナによる中断期間を経て、2022年、2023年は短距離パートやフィールドパートを含めて年末行事として行われた。特に本年2023年は50人以上が参加し盛大に(?)実施された。

分析してみた

記録が手元に残る2017年から2023年までの119記録に関して簡単に分析を行った。csvファイルは、1500mの記録、牛丼の記録、パート分類(1:中距離or長距離、2:その他)、年度が含まれる。

main.py

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from matplotlib.colors import ListedColormap
df = pd.read_csv('timenew.csv')
df['total'] = df['1500mSec'] + df['BeefBowlSec']
df['Year'] = df['Year'].astype('int')

とりあえず散布図を書いてみる。青は中長距離パート、赤はその他である。

main.py

df.plot.scatter(x='1500mSec', y='BeefBowlSec', c=df.part.values, cmap= "bwr")
x = np.linspace(0, 1500)

plt.xlim(0, 1500)
plt.ylim(0, 1500)

plt.show()

散布図行列を書いてほかの変数に対しても確認してみる

main.py

import seaborn as sns
sns.pairplot(df, height=1.5)

続いて相関関係を見る

main.py

pd.options.display.precision = 4 #出力桁数
df.corr()

結果は

	1500mSec	BeefBowlSec	Year	part	total
1500mSec	1.0000	-0.0777	0.2644	0.6198	0.1597
BeefBowlSec	-0.0777	1.0000	0.0519	-0.0677	0.9718
Year	0.2644	0.0519	1.0000	0.4704	0.1140
part	0.6198	-0.0677	0.4704	1.0000	0.0797
total	0.1597	0.9718	0.1140	0.0797	1.0000

1500mの記録(1500mSec)と牛丼の記録(BeefBowlSec)にもう少し相関があるかと考えていたが、ほぼ相関がみられなかった。逆に、牛丼と合計タイムには正の強い相関がみられる。

学内記録を出すためには

弊部の最高記録は7'17"である。そこで、8分以内の記録に対し、分析を行う。なお、この記録を出しているのは全員専門種目が中長距離である。

main.py

df_480=df[(df['total'] <= 480) ]
df_480.plot.scatter(x='1500mSec', y='BeefBowlSec')
x = np.linspace(0, 400)

#等値線(totaltime)を引く
for i in range(0,8): 
  y = -x + 400+i*20
  plt.plot(x, y,c="gray")

plt.xlim(0, 400)
plt.ylim(0, 400)

#一次近似
res = np.polyfit(df_480['1500mSec'], df_480['BeefBowlSec'], 1)
plt.plot(x, np.poly1d(res)(x))

plt.show()

結果は

相関関係を出すと

main.py

pd.options.display.precision = 4
df_480.corr()

	1500mSec	BeefBowlSec	Year	part	total
1500mSec	1.0000	-0.7281	-0.3680	NaN	-0.1823
BeefBowlSec	-0.7281	1.0000	0.4323	NaN	0.8067
Year	-0.3680	0.4323	1.0000	NaN	0.3028
part	NaN	NaN	NaN	NaN	NaN
total	-0.1823	0.8067	0.3028	NaN	1.0000

1500mの記録(1500mSec)と牛丼の記録(BeefBowlSec)の相関係数は-0.73となった。ある程度の記録を出そうと思うと、1500mを余力を持って走り、牛丼をいかに速く食べるかが求められそうである。

自己記録を目指すには

8分以上、12分以下の記録に対し、分析を行う。

main.py

df_720=df[(df['total'] <= 720) & (df['total'] >= 480)]
df_720.plot.scatter(x='1500mSec', y='BeefBowlSec',c=df_720.part.values, cmap= "bwr")
x = np.linspace(0, 500)

#Part=1,Part=2のそれぞれの中心を書く
centroids = df_720.groupby('part')[['1500mSec', 'BeefBowlSec']].mean()
plt.scatter(centroids['1500mSec'], centroids['BeefBowlSec'], marker='o', s=100,  c=['royalblue', 'orangered'])

#等値線(totaltime)を引く
for i in range(0,8):
  y = -x + 480+i*50
  plt.plot(x, y,c="gray")

plt.xlim(0, 500)
plt.ylim(0, 500)

#一時近似
res = np.polyfit(df_720['1500mSec'], df_720['BeefBowlSec'], 1)
plt.plot(x, np.poly1d(res)(x))

plt.show()

結果は

相関は

	1500mSec	BeefBowlSec	Year	part	total
1500mSec	1.0000	-0.2758	0.2460	0.6443	0.3450
BeefBowlSec	-0.2758	1.0000	-0.2561	-0.1286	0.8071
Year	0.2460	-0.2561	1.0000	0.5062	-0.0990
part	0.6443	-0.1286	0.5062	1.0000	0.2701
total	0.3450	0.8071	-0.0990	0.2701	1.0000

中長距離選手(Part=1)とその他競技選手(Part=2)で偏りが見られる。

まとめ

可視化を中心に行った。考察は特にしていないがが、1500ｍの記録よりもとにかく牛丼を速く食べることが一番。時間があればほかにもいろいろ追記するかも？