從數據上看：誰纔是漫威的絕對C位

復聯4上映了！這次比美國還早了兩天。當然，我還沒看，不會給你們劇透，當然也不想不劇透。

這一部不僅是滅霸這一線劇情的結局，也被認爲漫威第三階段的收官之作。據說此部之後，不少影迷熟知的角色（演員）就要離開漫威世界的熒幕了。因此剛上映就備受關注，今天一天國內票房就已超5億。

上次的文章《這可能是我用過最“強大”的API：Marvel API》中，我給大家演示了漫威開放接口（Marvel API）的功能，並且在最後留了個“彩蛋”：爭取跟《復聯4》同步上線一個案例。

很遺憾，最近幾天忙着更新網站，眼看要鴿了。但慶幸的是，我們另一位實訓生 @清風小築 站出來把坑給填了：

對 Marvel API 中的數據進行統計分析，將角色之間關係進行可視化展示。換句話說：用數據說話，誰纔是漫威宇宙中着墨最多的人物？

我之前做了個小調查：

僅就我這邊的採樣來看，鋼鐵俠在國內是無法撼動的人氣王。當然，這可能因爲國內更多是漫威系列電影觀衆。

那麼官方的喜好又是如何？

上文中我們說過，在 Marvel API 的開放數據中，包含了：

• 1491 個角色
• 43759 本漫畫
• 6200 個創作者
• 10713 個系列
• 96740 個故事
• 75 個事件

我們這次案例選取的是 角色（character）和 故事（story）之間的關係：

1. 選取故事最多的 N 個角色
2. 根據共同出現的故事數，衡量角色之間的關聯性

經過統計發現，故事數前3的是：

1. 蜘蛛俠（Spider-Man）- 5192
2. X戰警（X-Men）- 4551
3. 鋼鐵俠（Iron Man）- 3483

關聯性最高的前3位：

1. X戰警 - 金剛狼 - 1001
2. 神奇四俠 - 霹靂火 - 817
3. 神奇四俠- 隱形女俠 - 773

故事數最多的25個英雄/團體的關係圖：

故事數最多的99個英雄/團體的關係圖：

Data provided by Marvel. 2014 Marvel
數據由 Marvel 提供
來源：http://marvel.com

1. 意料之外但情理之中，蜘蛛俠是出現故事最多的角色。這還只是主線角色，沒算上各個平行宇宙和衍生角色。事實上，小蜘蛛在漫威迷中一直有着超高的人氣，或許是因爲他的故事更接近於現實中的每一個平凡人，也或許是他那份“能力越大，責任越大（With great power comes great responsibility）”的堅持。而在國內觀衆熟知的漫威系列電影中，蜘蛛俠似乎戲份不多，這是由於蜘蛛俠的電影版權很早就賣給了索尼（X戰警和神奇四俠也是類似）。
2. 鋼鐵俠、美隊、金剛狼是緊隨其後的角色，X戰警是故事最多的團體。
3. 關係圖上的顏色不是我們手動標註的，而是 Gephi 通過聚類自動劃分的。文字標籤的大小則體現故事數的多少。X戰警、神奇四俠、復仇者聯盟，這三個團體壟斷了漫威絕大部分的故事。神奇四俠雖然人物和故事不算多，但相關關聯很緊密（大多同時出場），相反典型是雷神（Thor），雖然故事很多，但大多獨來獨往。

最後來說說這個關係圖的實現過程。主要是兩大塊：

1. 從 Marvel API 獲取數據。首先是獲取所有角色，然後獲取角色相關的故事，再根據這些故事信息將角色進行關聯統計，最終得到節點（角色、故事數）和邊（關聯故事數）的數據。
2. 通過可視化分析工具 Gephi 將節點和邊的數據進行可視化展示，生成關係圖表。Gephi 的功能很強大，可以調節不同的展示效果，各位可以自行體會下。

其他需要注意的：

1. 我們沒有直接通過網絡請求 Marvel API，而是使用了上次文章中提到的 marvel 模塊來實現。（使用示例見前文）
2. 中間的臨時數據，因爲是 JSON 格式，於是我們用 mongodb 進行了存儲，便於後續整理分析。如果你自己運行，也可以通過其他方式（比如文件）進行存儲。
3. 經過處理後的節點、邊數據我們保存成了 csv 文件，你可以在項目中獲取，直接放進 Gephi 使用。僅供學習，請勿商用。
4. Marvel API 需要申請祕鑰、有請求速率限制，使用時需標註數據出處和來源網址。

相關網址：

Marvel API https://developer.marvel.com/docs

marvel庫 https://pypi.org/project/marvel/

Gephi操作手冊 https://gephi.org/users/quick-start/