京公网安备 11010802034615号
经营许可证编号:京B2-20210330
解读诺贝尔奖“大”数据:想获奖先搬家
2015年的诺贝尔奖已经公布,咱们中国的女科学家屠呦呦获奖,真是举国振奋的好消息。
众所周知,诺贝尔奖的设立,对物理学、化学、医学的发展起着重要的激励作用。自1901年诺贝尔奖首次颁发到2014年为止,在过去114年中,已经有889位来自物理、化学、生理/医学、经济学、文学等方面的杰出人士获奖。他们的研究成果影响着世人,改变着世界,为当今科学的进步做出了巨大的贡献。
“中奖”虽然绝非易事,但也有规律可循。获奖者都有哪些相似点呢?都来自什么地方?下面我们就通过一张图试着分析下规律。
图片来源于意大利Accurat studio(http://www.accurat.it/)
这是一张记录了在1901年到2012年期间每一位获奖者信息的图片,包括了获奖年份,研究领域、所在机构以及学术方向。
看起来很复杂?且听小编下文分解。
首先总体来看,这张图的X轴代表获奖年份,Y轴代表获奖者的年龄,具体可以看上图的图例。图例上标示了所有获奖者的平均年龄,以及每个奖项获奖者的平均年龄。甚至标注了每一年每一位奖项颁发的人数,学历、性别以及获奖的时候所在大学的具体情况。
在名校工作的获奖者更多
由这张图可以看出,获奖者最多的七所大学分别是哈佛大学、麻省理工学院、斯坦福大学、加州理工学院、剑桥大学以及加州伯克利分院。这些都是世界名校,能进去其中工作的人都是领域内的佼佼者,而且这里不仅有优越的研究条件,还有优秀的合作伙伴,获奖者多也并不意外。
不仅要有成果,还要长寿
再来看获奖者的平均年龄,我们以化学奖来举例,所有获奖者的平均年龄为59岁,但化学奖获得者平均为57岁,不过近年来获奖人士的年纪普遍超过了平均年龄。这一方面是因为科学家们真的是“老骥伏枥,志在千里”,另一方面也是因为诺贝尔奖越来越倾向于“让时间先来检验成果”,这种趋势也带来了一些遗憾,给某个成果颁奖时,这个成果的核心人物已经去世了。
科学与性别无关
获奖者有男性也有女性,在这张图中都有统计数据,但这仅仅是为了统计之用。虽然目前来看,女性获奖者少于男性获奖者,但这背后有着复杂的社会因素,近年女性科学家们越来越杰出的表现已经说明了,其实性别并不重要,科学并没有国家、血统以及性别之分,只要在其领域中做出了卓越贡献就可以获奖。
想获奖?先搬家
你想获奖吗?那先搬家吧。这张图片还统计了获奖者的居住地,看来想获奖还得选地方啊。图中显示住在纽约的获奖者最多,有51人。位居次席的是巴黎,有23人之多,巴黎人不只浪漫,还是盛产诺奖的城市啊。怎么样,心动了吗?走,咱去巴黎吧。
团结就是力量
你知道诺贝尔奖可以几人共同分享吗?其实这种情况挺多的,在图中也有显示,那么究竟有多少呢?诺奖颁发了多少次呢?我们从诺贝尔奖的官方网站找到了相关数据。
获奖者多为博士
最后来看看获奖者的学历。由这图中可以看出,虽然在各个领域里获奖者以博士学历者居多,但也有以硕士、学士学历获奖的,这里边的差异是因为有些学科,硕士学位就可以了,不一定要博士学位才有更好的发展。在诺贝尔文学奖中,这一情况则不同。文学奖是比较特别的奖项,跟获奖人的学术高低无关,只跟你的作品有关,所以很多获奖者根本没有学位,而且没有学位的获奖者甚至占多数。还有一个奖项也是这样的情况,这就是诺贝尔和平奖。
从这张图中看,你会发现有些获奖者甚至很年轻,甚至还是个孩子,自然也没有学位了。例如2014年诺贝尔和平奖的获得者之一巴基斯坦女孩马拉拉当时才17岁,颁奖词称赞其“反抗针对儿童和年轻人的压迫,捍卫了儿童受教育的权利”。
居里夫人
图中还有特殊的注解,例如居里夫人是第一个两次获得诺贝尔奖的获奖者;简?丁伯根和尼可拉斯?丁伯根是唯一两兄弟都获得诺奖的亲兄弟,分别是经济学奖和医学奖。闻名世界的无线电之父马可尼是唯一一个没有学位的物理学获奖者。
简?丁伯根和尼可拉斯?丁伯根兄弟
2015年的诺贝尔奖已于10月5日至9日陆续发布,感兴趣的朋友也可以看看,今年的获奖者们是否吻合这张图中的规律。
最后,感谢科学进步对人类发展的推动,感谢获奖者们为世界做出的贡献。
注:
1、多次获奖的获奖者:居里夫人是第一个获得过两次诺贝尔奖的人(化学和物理)。
2、年纪最长的获奖者:莱昂尼德?赫维奇获奖的时候90岁。
3、最年轻的获奖者:威廉?劳伦斯?布拉格获奖时25岁(这个图表只到2012年,2014年巴基斯坦女孩马拉拉17岁获得和平奖)。
4、兄弟获奖:简?丁伯根和尼可拉斯?丁伯根是唯一两兄弟都获得过诺奖的亲兄弟(分别是经济学奖和医学奖)。
5、没有学位的获奖者:马可尼是唯一一个没有学位的获奖者(特指物理学奖)。
6、去世后获奖者:埃利克?阿克塞尔?卡尔费尔德(瑞典人)是唯一一个去世后获奖的人。
7、第一个女性经济学奖获得者:埃莉诺?奥斯特罗姆,是第一位也是唯一一位获得诺贝尔经济学奖的女性。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31