从数据上看谁才是漫威的绝对C位

共计 1703 个字符，预计需要花费 5 分钟才能阅读完成。

复联 4 上映了！这次比美国还早了两天。当然，我还没看，不会给你们剧透，当然也不想不剧透。

这一部不仅是灭霸这一线剧情的结局，也被认为漫威第三阶段的收官之作。据说此部之后，不少影迷熟知的角色（演员）就要离开漫威世界的荧幕了。因此刚上映就备受关注，今天一天国内票房就已超 5 亿。

上次的文章《这可能是我用过最“强大”的 API：Marvel API》中，我给大家演示了 漫威开放接口（Marvel API） 的功能，并且在最后留了个“彩蛋”：争取跟《复联 4》同步上线一个案例。

很遗憾，最近几天忙着更新网站，眼看要鸽了。但庆幸的是，我们另一位实训生 @清风小筑 站出来把坑给填了：

对 Marvel API 中的数据进行统计分析，将角色之间关系进行可视化展示。 换句话说：用数据说话，谁才是漫威宇宙中着墨最多的人物？

我之前做了个小调查：

仅就我这边的采样来看，钢铁侠在国内是无法撼动的人气王。当然，这可能因为国内更多是漫威系列电影观众。

那么官方的喜好又是如何？

上文中我们说过，在 Marvel API 的开放数据中，包含了：

我们这次案例选取的是 角色（character） 和 故事（story） 之间的关系：

经过统计发现，故事数前 3 的是：

关联性最高的前 3 位：

故事数最多的 25 个英雄 / 团体的关系图：

故事数最多的 99 个英雄 / 团体的关系图：

Data provided by Marvel. 2014 Marvel
数据由 Marvel 提供
来源：http://marvel.com

意料之外但情理之中，蜘蛛侠是出现故事最多的角色 。这还只是主线角色，没算上各个平行宇宙和衍生角色。事实上，小蜘蛛在漫威迷中一直有着超高的人气，或许是因为他的故事更接近于现实中的每一个平凡人，也或许是他那份“ 能力越大，责任越大（With great power comes great responsibility）”的坚持。而在国内观众熟知的漫威系列电影中，蜘蛛侠似乎戏份不多，这是由于蜘蛛侠的电影版权很早就卖给了索尼（X 战警和神奇四侠也是类似）。
钢铁侠、美队、金刚狼 是紧随其后的角色， X 战警 是故事最多的团体。
关系图上的颜色不是我们手动标注的，而是 Gephi 通过聚类自动划分的。文字标签的大小则体现故事数的多少。 X 战警、神奇四侠、复仇者联盟，这三个团体垄断了漫威绝大部分的故事。神奇四侠虽然人物和故事不算多，但相关关联很紧密（大多同时出场），相反典型是 雷神（Thor），虽然故事很多，但大多独来独往。

最后来说说这个关系图的实现过程。主要是两大块：

从 Marvel API 获取数据 。首先是获取所有角色，然后获取角色相关的故事，再根据这些故事信息将角色进行关联统计，最终得到 节点（角色、故事数）和边（关联故事数） 的数据。
通过 可视化分析工具 Gephi 将节点和边的数据进行 可视化 展示，生成关系图表。Gephi 的功能很强大，可以调节不同的展示效果，各位可以自行体会下。

其他需要注意的：

我们没有直接通过网络请求 Marvel API，而是使用了上次文章中提到的 marvel 模块来实现。（使用示例见前文）
中间的临时数据，因为是 JSON 格式，于是我们用 mongodb 进行了存储，便于后续整理分析。如果你自己运行，也可以通过其他方式（比如文件）进行存储。
经过处理后的节点、边数据我们保存成了 csv 文件，你可以在项目中获取，直接放进 Gephi 使用。仅供学习，请勿商用。
Marvel API 需要 申请秘钥 、有请求 速率限制 ，使用时需 标注数据出处和来源网址。