[12] 하체운동 종합 분석 결과

제 몸의 변화를 통한 데이터 분석 : 벌크업/다이어트

안녕하세요! 이전에는 벌크업과 다이어트에 따라 직접 수집한 운동 기록을 분석했었고 드디어 모든 데이터를 통합하여 최종적으로 분석을 해보겠습니다.  놀랍게도, 데이터 분석 결과로 개인적인 운동 프로그램을 개선하고 목표를 달성하는 데 도움이 되는 인사이트를 얻을 수 있었습니다.

이제, 제가 진행한 벌크업, 다이어트, 그리고 추가의 한 달 동안의 데이터를 모두 합쳐 최종 데이터 분석을 진행할 차례입니다. 

 

- 벌크업 : 2022-06 ~ 2022-12

- 다이어트 : 2022-12 ~ 2023-05

- 추가 : 2023-08 ~ 2023-11

데이터의 힘:
이 프로젝트는 단순히 몸무게와 운동 기록을 넘어, 데이터의 힘을 최대한 활용하여 개인적인 목표를 달성하는 데 어떤 영향을 미치는지에 대한 인사이트를 얻기 위함입니다. 몸의 변화를 데이터로 관찰하며, 통계와 시각화를 통해 새로운 인사이트를 발견하고자 합니다.

이전 포스팅에서 데이터 전처리는 동일하게 진행하였습니다.

 

---

하체편

 

히스토그램과 밀도 그래프

스쿼트/데드리프트
스쿼트/데드리프트 1RM 중량에 대한 히스토그램과 밀도 그래프를 통해 운동 데이터의 흥미로운 패턴을 관찰할 수 있었습니다. 이 그래프는 스쿼트 중량의 분포를 시각적으로 표현하고, 빈도수를 통해 어떤 중량대를 제가 주로 수행하였는지 확인할 수 있습니다.

중량 분포의 피크: 먼저, 그래프에서 가장 높은 피크가 있는 중량 구간은 스쿼트는 135kg ~ 150kg 그리고 데드리프트는 170kg 주변 입니다. 이 구간에서 많은 빈도수가 관찰되며, 이것은 해당 중량대를 제일 많이 수행했다는 것을 의미합니다.

분포의 넓이: 중량 분포가 스쿼트는 100kg에서 165kg, 데드리프트는 120kg 에서 190kg까지 넓게 퍼져 있음을 확인할 수 있습니다. 이것은 몸무게와 다양한 변수들의 변화를 통하여 다양한 중량에서 운동을 진행하였다는 것을 의미합니다. 

추가적으로 무게와 날짜 간의 관계를 시각화하면 더 많은 인사이트를 얻을 수 있을 것으로 예상됩니다.

Violin Plot

 

체중 대비 스쿼트/데드리프트 1RM 중량의 데이터 분포를 Violin Plot을 사용하여 시각화해 보겠습니다. Violin Plot은 위의 히스토그램과 밀집그래프처럼 데이터의 분포 모양을 한눈에 파악하기에 유용합니다.

 

여기서는 분포가 전반적으로  퍼져 있지만 특정 구간에는 밀도가 집중되어 있는 것을 확인할 수 있었습니다. 히스토그램과 밀도 그래프를 통해 이것을 더욱 명확하게 확인할 수 있습니다. 여러 가지 변수들의 변화에 따라, 다양한 중량을 경험하고 있다는 것을 시사합니다.

 

상관관계 분석

 

스쿼트와 데드리프트 운동에서 몸무게와 1RM 중량 간의 상관관계를 살펴보았습니다. 이러한 상관관계는 데이터 분석을 통해 얻은 중요한 인사이트를 제공합니다.

스쿼트:

몸무게와 스쿼트 1RM 간의 상관관계: 스쿼트 운동에서 몸무게와 1RM 중량 간의 상관관계는 매우 높습니다. 상관 계수가 0.8946로, 거의 1에 가깝게 나타나며, p-value는 매우 낮게 나타납니다. 이것은 몸무게가 높을수록 스쿼트 1RM 중량도 높다는 강력한 양의 상관관계를 시사합니다. 즉, 몸무게가 증가하면 스쿼트 1RM 중량도 증가하는 경향이 매우 강하다고 해석할 수 있습니다.

휴식기간과 스쿼트 1RM 간의 상관관계: 스쿼트 1RM과 휴식 기간 사이의 상관 계수는 0.0166으로 매우 낮고, p-value도 높게 나타납니다. 이것은 스쿼트 1RM과 휴식 기간 간에는 유의미한 선형 관계가 없다는 것을 나타냅니다. 즉, 휴식 기간이 스쿼트 1RM에 직접적인 영향을 미치지 않습니다.

운동시간과 스쿼트 1RM 간의 상관관계: 스쿼트 1RM과 운동 시간 사이의 상관 계수는 0.1661로 중간 정도의 상관 관계를 나타냅니다. p-value가 0.05보다 크지만, 미미하게 유의미한 관계가 있을 수 있습니다. 이것은 운동 시간이 스쿼트 1RM에 어느 정도 영향을 미칠 수 있다는 가능성을 시사합니다.

데드리프트:

몸무게와 데드리프트 1RM 간의 상관관계: 데드리프트 운동에서 몸무게와 1RM 중량 간의 상관관계 또한 매우 높습니다. 상관 계수가 0.867321로, 거의 1에 가깝게 나타나며, p-value는 매우 낮게 나타납니다. 이것은 몸무게가 높을수록 데드리프트 1RM 중량도 높다는 강력한 양의 상관관계를 시사합니다. 즉, 몸무게가 증가하면 데드리프트 1RM 중량도 증가하는 경향이 매우 강하다고 해석할 수 있습니다.

휴식기간과 데드리프트 1RM 간의 상관관계: 데드리프트 1RM과 휴식 기간 사이의 상관 계수는 -0.031668로 거의 상관관계가 없다고 볼 수 있습니다. p-value도 높게 나타납니다. 이것은 휴식 기간이 데드리프트 1RM에 직접적인 영향을 미치지 않습니다.

운동시간과 데드리프트 1RM 간의 상관관계: 데드리프트 1RM과 운동 시간 사이의 상관 계수는 0.16425로 중간 정도의 상관관계를 나타냅니다. p-value가 0.05보다 크지만, 미미하게 유의미한 관계가 있을 수 있습니다. 이것은 운동 시간이 데드리프트 1RM에 어느 정도 영향을 미칠 수 있다는 가능성을 시사합니다.

이러한 분석 결과로, 몸무게와 스쿼트 및 데드리프트 1RM 간에는 강한 양의 상관관계가 있으며, 몸무게가 증가할수록 1RM 중량도 증가하는 경향이 큽니다. 그러나 휴식 기간과는 상관성이 낮으며, 운동 시간은 약한 상관성을 가질 수 있습니다.

트렌드 그래프

트렌드 그래프를 생성하려면 시계열 데이터를 준비해야 합니다. 시계열 데이터를 생성하고 시간에 따른  1RM 중량의 변화를 시각화하기 위해 아래의 예제 코드를 사용할 수 있습니다.

 

1RM 중량과 몸무게: 함께 상승하는 추세

가장 먼저, 1RM 중량과 몸무게 간의 관계에 주목해 봅시다. 그래프를 통해 몸무게가 시간이 흐름에 따라 변화하는 것을 확인할 수 있습니다. 이 분석 결과는 운동과 몸무게 변화가 위에서 보았던 상관관계의 수치처점 상관관계가 크다는 것을 시사합니다.

그러나 흥미로운 점은 이 관계가 완전히 선형적이지 않다는 것입니다. 즉, 몸무게가 변화할 때마다 1RM 중량이 정확하게 비례적으로 증가하거나 감소하는 것이 아닙니다. 이것은 다양한 요인들이 1RM 중량에 영향을 미치고 있다는 것을 시사합니다. 

선형 그래프

 

이번 프로젝트를 통해서 운동 데이터를 시각화하여 몇 가지 흥미로운 인사이트를 얻고 있는데요, 그중에서도 가장 기본적인 시각화인 선형 그래프를 통해 몸무게와 1RM 중량 간의 관계를 조사해 보았습니다.

데이터의 경향성: 강한 상관관계

그래프를 통해 몸무게와 1RM 중량 간의 데이터가 추세선에 가깝게 분포되어 있는 것을 확인할 수 있었습니다. 이는 몇 번 언급하였지만 1rm중량과 몸무게, 두 변수 간에 강한 상관관계가 있음을 시사합니다. 특히 데이터의 70% 정도가 분산 안에 위치하며, 그래프는 오른쪽 위로 상승하는 경향을 보입니다.

이것은 몸무게가 증가함에 따라 1RM 중량도 일반적으로 상승하는 경향이 있다는 것을 나타냅니다. 즉, 몸무게 증량과 근육 강화가 서로 관련이 있을 가능성이 높다는 것을 시각적으로 확인할 수 있습니다.

휴식 기간과 1RM 중량: 의외의 관계

휴식 기간과 1RM 중량 사이의 선형 관계 그래프를 통해 흥미로운 인사이트를 얻었습니다. 이 그래프에서는 휴식 기간이 1일부터 14일까지 다양하게 분포하고, 특히 3일 휴식 후에 운동하는 경우가 가장 많다는 것을 알 수 있습니다.

그러나 가장 주목할 만한 부분은 4일 동안 휴식한 경우입니다. 이 기간 동안 1개의 데이터를 제외하고는 대부분의 경우에 평균 이상의 1RM 중량을 기록했다는 것입니다. 이것은 휴식 기간이 다소 길어지면, 일종의 "차지 기간"으로 볼 수 있어서, 근육 회복과 성능 향상에 긍정적인 영향을 미칠 수 있다는 흥미로운 관찰입니다.

이러한 인사이트를 토대로 휴식 기간이 운동 성능에 어떻게 영향을 미칠 수 있는지에 대한 고찰을 할 수 있습니다. 특히 휴식 기간을 효율적으로 조절함으로써 최상의 운동 결과를 얻을 수 있는 전략을 개발하는 데 도움이 될 것입니다. 이러한 데이터 분석 결과는 개인의 운동 계획을 최적화하고 목표를 달성하는 데 유용한 정보를 제공합니다.

 

 

GITHUB : https://github.com/siilver94/My-training-ability-as-driven-by-data

GitHub - siilver94/My-training-ability-as-driven-by-data