从数据上看：谁才是漫威的绝对C位

江水滔滔

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：
1491 个角色43759 本漫画6200 个创作者10713 个系列96740 个故事75 个事件
我们这次案例选取的是 角色（character）和 故事（story）之间的关系：
选取故事最多的 N 个角色根据共同出现的故事数，衡量角色之间的关联性
经过统计发现，故事数前3的是：
蜘蛛侠（Spider-Man）- 5192X战警（X-Men）- 4551钢铁侠（Iron Man）- 3483
关联性最高的前3位：
X战警 - 金刚狼 - 1001神奇四侠 - 霹雳火 - 817神奇四侠- 隐形女侠 - 773
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。

相关网址：

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

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

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