復聯好cp：口頭禪揭秘漫威基友情
（題圖來源：漫威官網）
【劇透預警：請注意，看過《復3》的請直行，尚未觀影的請走右邊出口。】
《復仇者聯盟3：無限戰爭》的14，000，605的可能結局中，為什麼偏偏弄死了那幾個呢？
答案就在人物關係中。
現在有這麼一張沒標名號的英雄人物關係圖，情智雙高的你一定能猜出誰是誰。
下圖中每個圓圈表示復聯中的一個人物，箭頭表示誰喜歡呼叫誰，從叫人者指向被叫者，呼叫別人越多的，圓圈顏色越深。呼叫與被呼叫的連線，近似人物之間的影響關係。
這張圖如果讓滅霸他老人家拿到，肯定會先深後淺：上來先滅了那個深綠色的社交大蝴蝶A，然後拳打眉來眼去的B和C，腳踢自娛自樂那位D，最後再收拾那幾個單向呼叫和孤苦伶仃的，多麼按部就班啊！
在填名字之前，先交代一下這張圖怎麼來的。
首先得感謝有位資料女掃了前面三部漫威電影的劇本。
話說2018年4月，Elle O‘Brien作為女漫威迷，焦急地等待著《復3》的公映。她在
http：//
Medium。com
的簽名檔是「計算機科學家、軟體開發者和科技作家
」。
為了提高預習效果，她找來了前面三部展現復仇者們群像的電影的英文劇本，進行了文字分析。這三部電影是：
《復仇者聯盟》（2012），
海報來源：時光網
《復仇者聯盟2：奧創紀元》（2015），
海報來源：時光網
和《美國隊長3：英雄內戰》（2016）。
海報來源：時光網
O’Brien文字分析的目的是：找出每一位人物的臺詞中什麼詞彙的使用頻率顯著比別的人物高。這裡她採用的量化指標是
「對數優勢比」（log odds ratio）
。
這是地球人衡量「某人的某特徵是否比其他人突出」的一個小套路：對於某位人物A，一個詞的
優勢比
，就是「A說這個詞的機率」與「別人說這個詞的機率」之比。然後再取自然對數，得到一個無量綱的指標叫「對數優勢比」：
指標如果是0，表示A同學說該詞的機率跟全班其他同學沒什麼不同；
指標如果是1，表示A說該詞的機率是其他同學說該詞機率的2。718。。。倍。
對了，這個無理數2。718。。。就是「自然對數的底」，咱們地球人管它叫「e」，在漫威宇宙各星球上可能叫別的，但肯定也是這個數兒。（不信查資料：張戎：數學裡的 e 為什麼叫做自然底數？是不是自然界裡什麼東西恰好是 e？）
用這個方法，O‘Brien真的發現：復男復女們每位都有自己的招牌臺詞！比如誰愛吐髒字，誰老是支支吾吾賣萌，誰老害怕，誰老裝。O’Brien有一個特別長的大表總結了他們各自最愛念的臺詞。
但是資料表太囉嗦顏值又低。這樣，咱就揀重要的，把每位最愛碎碎唸的五個詞兒挑出來，來張復聯眾神口頭禪一覽圖。
幸好有一位可視男已經幫咱把口頭禪一覽圖做好了。
這位可視男叫Matt Winn，他用一個叫R的東西，把O‘Brien的結果和我們熟悉的那十幾張臉，組合成這張一目瞭然的口頭禪圖。
翻譯成中文後是這個畫風：
Elle O’Brien資料，Matt Winn製圖，張戎國產化。
你仔細看，發現什麼秘密了嗎？
對！他們愛說的詞兒裡，有好些都是同夥的名字啊！而且有的叫得不嫌肉麻，有空可以對照一下英文原版。比如黑寡婦，別人都叫她娜塔莎，就鷹眼個別，呼喚她「Nat」！鷹眼叫美隊也不好好叫，直呼「Cap」。
甭管肉麻不肉麻，咱要的東西就在這兒了。誰經常叫誰，暴露的就是這幫人的關係！
根據口頭禪資料中的呼叫關係，我們提取了復聯團伙的關係圖。
資料來源：Elle O‘Brien。Gephi視覺化：張戎。
瞧瞧這個隊形是不是很明顯？
最綠的社交大蝴蝶是美隊，喜歡叫人也常被人叫；
黑寡婦和鷹眼關係不一般；
綠巨人除了叫寡婦就是跟自己的雙重人格較勁，大便乾燥即視感；
鋼鐵俠自命不凡，最常叫的是自己管家；
雷神對兄弟洛基不錯，可惜沒得到回報；
紅女巫看樣子要撩幻視。。。
那麼看完電影的你，覺得滅霸掌握了這張圖嗎？
在談結局之前，先回答劇本迷、程式設計迷、做圖迷們的問題吧。
Q1. 「三部影片的英文劇本哪裡找？」
這裡，拿走不謝。
英文劇本：Avengers， The （2012）
英文劇本：Avengers： Age of Ultron
英文劇本：Captain America： Civil War
Q2. 「口頭禪一覽圖的英文原版在哪？看看你翻得靠不靠譜。」
不靠譜。反正只要名字、小名、暱稱能找準，關係圖就有了。其它那些口頭禪的翻譯，英文原版在這裡，看看有沒有更地道的翻法？
英文原版口頭禪一覽圖。來源：mattwinn。com
另外，O’Brien的英文原文在這：I analyzed Marvel movie scripts to learn what each Avenger says most。這是Elle O‘Brien的頭像。
Elle O’Brien。來源：mattwinn。com
Q3. 「做這種帶照片的條形圖都用到R裡的哪些包？」
R我也沒玩過。你可以去看可視男Matt Winn寫的配方。他說就用了八個包：
library（dplyr）
library（grid）
library（gridExtra）
library（ggplot2）
library（reshape2）
library（cowplot）
library（jpeg）
library（extrafont）
完整配方的連結在此：
Winn口頭禪圖譜視覺化：Avengers： What do they talk about？
可視男Matt Winn。來源：mattwinn。com
Q4. 「哪裡有優勢比的嚴謹定義？要帶公式的！」
維基百科湊合能看嗎？優勢比：Odds ratio - Wikipedia
Q5. 「哪裡有漫威世界中英對照表？」
這有一個：幫助：譯名對照表 - 漫威電影宇宙資料站 - 灰機wiki
Q6. 「人物關係網圖用什麼做的？」
一個叫Gephi的免費工具。這裡可以下載：The Open Graph Viz Platform
這有一個快速上手的說明：
http：//
derekgreene。com/slides/
derekgreene_gephi_slides。pdf
Q7. 「做Gephi人物關係網圖需要準備什麼樣的資料？」
這種簡單的Gephi圖有兩張CSV表就可以。一個叫
節點
表（Nodes），就是那些圓圈；一個叫
邊
表（Edges），就是那些連線。
這裡的節點有20個：
節點表
這裡的邊有16條，從源（Source）指向目標（Target），用節點表中的人物編號標明呼叫者和被叫者：
能堅持看到這兒的，是不是隻剩下彩蛋強迫症患者了？
剛才聊攻略這會，有靈感的資料工作者@劉超-YM同學列印了一張關係圖，用紅筆勾了勾，轉身默默地離開了。
原來，他雖然手無時間原石，卻用這張圖就發現了那個驚天大秘密：
14,000,605的可能結局中，為什麼偏偏是這一個？
大家看，這是他勾過的圖：
劉超標記的《復3》結局
你看到了什麼？
打紅框的都是滅霸1/2「隨機」湮滅弄死的英雄。
而這根本就不是隨機的！
被弄死的英雄都是顏色最淺和次淺的圓圈。
死誰都沒有死核心，聯盟戰隊必然能捲土重來。
奇異博士肯定看到了這個的結局，才那麼痛快交出時間原石。
無限手套肯定是復仇者聯盟一夥安插的。
看來滅霸並沒有事先掌握這張圖，所以我們後面還有《復4》看！
本文鳴謝 @Peabody 專業取名
大資料|人工智慧|自然語言處理：更多文章關注專欄：
資料冰山
更多回答請看：
張戎