豆瓣电影数据可视化项目

作为星战迷，看了N遍星球大战，你能说出《星球大战》系列的7部电影中出现了多少个角色、多少个种族、多少艘飞船、多少架战车吗？不要掰着手指头数了，看完这篇你能获知想要的一切~

知识图谱全景展现星球大战

没有看过星战的同学，一张图就可以告诉你，这7部电影里，共出现了87名角色、21颗星球、37艘飞船、39架战车、37个种族，还能告诉你，这228个实体之间的1112种关系。

这次的数据源来自Star Wars API，据说这是全球首个量化的、可供编程使用的星战数据集，开发者经过漫长的搜集和整理，汇总了上面提到的多项星战电影数据（具体参数见文末）。

通过一系列数据收集和统计分析，哪怕没有看过星战，也可以通过对信息归类整理，给大家展现星战错综复杂的角色关系。

数据可视化链接在这里。

知道这些，你可以更懂“我是你的父亲”

星战影片涉及到了228个实体，这些实体之间的1112种关联，可以用知识图谱来刻画——这样你就更清楚地理解“我是你的父亲”这句话的相关信息了。

知识图谱其实是个丰富的图模型，在图谱中，节点表示实体，节点之间的边表示实体之间的关联，节点和边都可以包含自己的属性。

在图谱上任何一个星战关键词，都能获得完整的知识体系。

为了生成一张知识图谱，需要完成以下三点内容：

• 定义好有哪几类节点、节点之间存在哪几类关系、节点和边可能需要考虑到哪些属性；
• 基于准备好的数据，提取节点和边；
• 使用可视化等技术进行展示，提供图谱探索和关联发现的功能。

构建完知识图谱之后，我使用D3进行了展示。

在这个知识图谱中，节点使用Circle或者Text来表示，不同颜色表示不同类别的节点，彼此相连的节点表示存在关联，比如某个character参演了某部film、某个planet上生活着某个species等。

鼠标悬浮在某个节点上时，仅显示和该节点之间相连的其他节点，这样就能更清楚地看到节点之间的关联了。

当然，也可以在搜索框中输入关键词，只有名称中包含关键词的节点才会显示，帮你快速找到你的绝地武士——LUKE。

对了，实体的相关介绍，也会在右下角显示，请留意～

比如绝地大师Obi-wan Kenobi出现在了这7部影片里。

C-3PO这个人见人爱的逗比机器人，在6部影片里均有出现。

说出“我是你的父亲”的Darth Vader。

贯穿7部星战的是R2-D2

知识图谱为知识表达提供了一种很好的解决方案，但有些时候我们更关注实体的动态变化情况。

举例来说，我们希望知道每部星战电影中，分别出现了哪些Characters、Planets、Starships、Vehicles和Species，显然这一答案无法从知识图谱中得出，所以接下来借助时间线进行可视化。

由于数据并不包含时间戳信息，因此只能展示每个角色在哪些影片中出现过。

如下图所示，不同的行代表films，不同的列代表不同的实体，不同的颜色代表不同的实体类别。

以演员为例，没有哪位演员参演过星战系列的全部电影，但机器人R2-D2贯穿了整个系列。

如果你对某个元素感兴趣，把鼠标悬停上去，就可以看到实体名了，快去找你喜欢的角色吧。

星战角色平均体重97公斤

主角永远自带光环，所以我又重点研究了一下。

通过Characters的一些统计信息，可以发现在星战这个以男性主导的系列里，只有19名女性。她们平均身高165.8CM、体重56KG，而这个系列里男性的平均身高是185.8CM、体重83.2KG。

当然，星球大战还有些其他角色……

总体上看，星战里的角色平均身高在174CM，平均体重在97KG，为什么那么胖？

这其实是因为一个异常点——Jabba Desilijic Tiure，身高仅175cm，体重却达1358kg，就是他拉高了平均体重，对了，据说他是雌雄同体，你们感受下。

下图中你可以看到相关人物的体重和身高分布，体重或身高为-1表示值缺失，也有少数人物性别信息缺失。

最后来看下关于Species的统计信息，下图这张图展示的是各种族的平均身高和寿命（-1表示缺失值）。

大多数种族寿命在100年以内，有的可达几百甚至上千年，也有这样的异常点未显示在图中：Droid——人造机器人，寿命为indefinite。

另外，从这些数据中，还发现87个角色里，光头非常流行——头发颜色的数据显示37个NONE（数据缺失是N\A），19个是棕色头发。

同时，棕色眼睛在这7部电影里最受宠，有21个角色拥有棕色眼睛，其次才是蓝色眼睛，有16人。

另外，如果感兴趣的话还可以统计一下天行者家砍手史，虽然这个并没有数据，不过你们可以自己去数……

这句话在7部星战出现了9次

说了这么久主角，为什么还要把电影作为最大的节点，而不是人物呢？

在梳理的各类实体之间的关系时，我做了下面这个表，其实只有电影连接了所有实体，而不是角色。

最后，再来统计一下每部星战电影中涉及到了多少Characters、Planets、Starships、Vehicles和Species。

如下图所示，可以看出Attack of the Clones参演人员最多，The Force Awakens涉及到的各类元素数量都比较少，当然也可能是因为数据尚未完全整理的原因。

对于星战的数据分析远不止于此，如果你感兴趣，甚至你还可以自己去统计，并发现“对此我有坏感觉”这句话在7部影片里出现了9次。

Yoda抱怨“黑暗遮蔽了一切，谁也无法看清未來之事”，可惜他不知道数据分析的强大力量，这绝对是一个需要认真考虑的“原力”，可以让你穿透黑暗！

Star Wars API字段汇总

• Films：title、episode_id、opening_crawl、director、producer、release_date、characters、planets、starship、vehicle、species、created、edited、url
• Characters：name、height、mass、hair_color、skin_color、eye_color、birth_year、gender、homeworld、films、species、vehicle、starships、created、edited、url
• Planets：name、rotation_period、orbital_period、diameter、climate、gravity、terrain、surface_water、population、residents、films、created、edited、url
• Starships：name、model、manufacturer、cost_in_credits、length、max_atmosphering_speed、crew、passengers、cargo_capacity、consumables、hyperdrive_rating、MGLT、starship_class、pilots、films、created、edited、url
• Vehicles：name、model、manufacturer、cost_in_credits、length、max_atmosphering_speed、crew、passengers、cargo_capacity、consumables、vehicle_class、pilots、films、created、edited、url
• Species：name、classification、designation、average_height、skin_colors、hair_colors、eye_colors、average_lifespan、homeworld、language、people、films、created、edited、url