我們分析了復仇者聯盟系列所有臺詞，看看英雄們最愛說什麼？沒有劇透！

摘要： 大資料文摘出品 作者：蔣寶尚、魏子敏 《復仇者聯盟4》終於上映，這部彙集了10年回憶打造的電影，據看過的小夥伴們表示：3小時劇情，毫無尿點，全程都是經典回憶。 忙著工作還沒來得及看電影，又超怕被劇透的文摘菌這兩天的狀態基本是這樣:point_down: ...

大資料文摘出品

作者： 蔣寶尚、魏子敏

《復仇者聯盟4》終於上映，這部彙集了10年回憶打造的電影，據看過的小夥伴們表示：3小時劇情，毫無尿點，全程都是經典回憶。

忙著工作還沒來得及看電影，又超怕被劇透的文摘菌這兩天的狀態基本是這樣:point_down:

萬般捉急的文摘菌在這周也去重新回憶了一下這個系列的作品。這部電影是復仇者系列的終結作品，能有如此成就，離不開《鋼鐵俠》、《美國隊長》，《雷神》、《綠巨人》等獨立敘事電影為其構建的巨集大的宇宙觀，也在全球觀眾心裡種下同一種英雄情結。

復仇者系列火遍全球絕非意外，這部作品儘管出現了各種人物，但是每個英雄又都被塑造地各具特色，讓人一次就能記住。

而臺詞可以說是最能塑造人物性格的部分了。因此，文摘菌希望用資料分析的方式，看看漫威宇宙的英雄最愛用的詞彙視覺化，並通過此分析他們的人物特點，向這部偉大的作品致敬。

本次分析，我們主要使用了R語言進行程式設計，目的是找出最能代表每位英雄的詞彙。資料選用了三個比較有代表性的漫威英雄交叉度極高的劇本，分別是：《復仇者聯盟》（就是打洛基的那一部）、《復仇者聯盟：奧創紀元》以及《美國隊長：內戰》。

上程式碼前，先來看看分析結果。

1、美國隊長：以你的名字呼喚你-鋼鐵俠！

作為聯盟的老大哥，美國隊長超愛喊別人的名字。並且我們發現，他口中最經常出現的名字是就是鋼鐵俠。此外，還經常點名的是Sam,和Strucker。

美國隊長和鋼鐵俠可謂《復仇者聯盟》系列中兩大相愛相殺的主角了。兩人在電影中都是領導級別的角色，但是兩者的追求卻有很大的差異。在電影《美國隊長：內戰》中， 復仇者聯盟團隊徹底分崩離析，分別從屬了美國隊長和鋼鐵俠兩大陣營。

一方面美國隊長為了自己的好朋友冬兵戰鬥，另一方鋼鐵俠為了維護世界的秩序和為自己的父母報仇戰鬥。兩者即是好友，又是同級別的對手，這或許也就解釋了為什麼美國隊長總是叫鋼鐵俠的名字。

2.黑豹：最喜歡談論“中二“話題的貴族

從分析結果來看，黑豹最喜歡說的是父親、朋友，國王等聽起來比較“中二“的詞語。

黑豹的父親前任黑豹特查卡，瓦坎達的國王！守護者振金，是黑豹的偶像，卻在電影中死於一場陰謀。而黑豹作為瓦坎達的領袖，年輕的王位繼承人，將他父親的遺志作為了追求的夢想，守護著瓦坎達。國王身份，追求理想，這就是黑豹喜歡談論這類貴族話題的原因。

3.蜘蛛俠：我還是個“寶寶“。

作為全隊的“小朋友“，蜘蛛俠在復仇者聯盟系列電影中的臺詞一直比較幼齒，他在電影中說的最多的是詞是：“嗨”、“呃”、“嗯”。

在這三部電影中，蜘蛛俠只是一個十幾歲的孩子，在這麼多大人物面前如果再不蹦蹦跳跳，那就更沒有存在感了☺。

4.浩克和鷹眼：大家都愛黑寡婦。

通過視覺化分析可以發現，綠巨人和鷹眼都非常喜歡提到黑寡婦。

浩克喜歡和黑寡婦聊天原因很簡單，因為當綠巨人發狂時，黑寡婦用滿心關愛的眼神瞅著他那龐大的身軀，對他說道：“嘿，大塊頭，太陽快下山了！”然後慢慢地舉起了手，用她那柔軟的手指，伸向了綠巨人的手臂，輕輕滑了下來。這時候浩克就會平息他那滿腔的怒火！

電影中黑寡婦和鷹眼不是戀人或者情侶，他們的關係一直戀人未滿、曖昧不清。但是，因為兩人在復仇者聯盟之前就已經發生了一系列故事。刀光劍影，愛恨情仇，即是老友又是戰友，或許兩人早已暗生情愫。

5.幻世和緋紅女巫：惺惺相惜，線上發糖！

從資料視覺化的結果中可以看到，幻視和緋紅女巫絕對是soulmate了，兩人的談論內容都很一致，特別喜歡說“恐懼、擔憂“類話題！

關於 緋 紅女巫，我們可以從她童年的經歷和非人的待遇中找到原因 。 而幻世作為超級人工智慧，能夠看到別的英雄看不到的“畫面”，可能對未來的擔憂讓他心煩意亂。

6.托爾： 能力越大，責任越大 ，考慮深遠

托爾作為雷神，擁有多種魔法能力，例如： 操控風暴，釋放或控制閃電，將閃電能量實體化為盔甲，瞬間改變天氣，利用雷神之錘飛行，召喚雷神之錘令其飛回托爾用閃電與敵人交戰。

雷神除去強大的戰鬥力，托爾還掌握著星際級的知識。 例如： 無限寶石知識、各式星際飛船駕駛技術、格魯特語（格魯特所在種族的語言）、蟲洞知識。

或許是能力越大，責任越大，他比其他英雄角色看的更遠。在電影中，他 對推動劇情前進的物品更加專注，例如洛基的權杖以及心靈寶石。

7.洛基：追逐權力。

洛基從小和雷神托爾一起長大。 一直窺視眾神之王的寶座且不認同雷神托爾會是一位合格的繼承人。他野心十足想當老大，陰險狡詐陷害兄長、反逆父母，視天下生命如草芥，為了目的不擇手段。

總之一句話，他非常想要權力！

8.奧創：更愛“詩和遠方“。

奧創被製造出來的目的是為了守護和平，但是一誕生就發生錯誤，認為想要和平就要消滅人類和復仇者聯盟，於是搶走洛基權杖（心靈寶石）從尤利西斯·克勞手中弄到大量的振金，操縱趙海倫利用再生搖籃幫其製造幻視身體，想要進化得更強。

換句話說， 奧創一出生就被訂上了守護和平的烙印，雖然他看問題的角度不同，但是和復仇者聯盟有著共同的任務。所以，它更加嚮往詩與遠方！

上面條條的長度對應的是超級英雄使用每個詞彙的程度

視覺化過程

最後，分析完全劇的角色，我們也來一起看看整個視覺化過程。

匯入R語言包

library(dplyr)
library(grid)
library(gridExtra)
library(ggplot2)
library(reshape2)
library(cowplot)
library(jpeg)
library(extrafont)

清除R工作環境中的全部東西

rm(list = ls())

載入包含所有圖片的資料夾（根據你自己的情況修改程式碼）

dir_images <- "C:\\Users\\Matt\\Documents\\R\\Avengers"
setwd(dir_images)

設定字型

windowsFonts(Franklin=windowsFont("Franklin Gothic Demi"))

英雄角色名字的簡化版本

character_names <- c("black_panther","black_widow","bucky","captain_america",
"falcon","hawkeye","hulk","iron_man",
"loki","nick_fury","rhodey","scarlet_witch",
"spiderman","thor","ultron","vision")
image_filenames <- paste0(character_names, ".jpg")

將所有圖片讀入一個列表中。

all_images <- lapply(image_filenames, read_image)

將角色名字分配給影象列表，以便按名字對其進行索引。

names(all_images) <- character_names

例如

# clear the plot window
grid.newpage()
# draw to the plot window
grid.draw(rasterGrob(all_images[['vision']]))

獲得文字資料

資料由電腦科學家Elle O'Brien收集的，使用文字挖掘技術對電影劇本分析。

更正專有名稱的大寫

capitalize <- Vectorize(function(string){
substr(string,1,1) <- toupper(substr(string,1,1))
return(string)
})
proper_noun_list <- c("clint","hydra","steve","tony",
"sam","stark","strucker","nat","natasha",
"hulk","tesseract", "vision",
"loki","avengers","rogers", "cap", "hill")
# Run the capitalization function
word_data <- word_data %>%
mutate(word = ifelse(word %in% proper_noun_list, capitalize(word), word)) %>%
mutate(word = ifelse(word == "jarvis", "JARVIS", word))

請注意，以前的簡版角色名字與文字dataframe格式中的角色不匹配。

unique(word_data$Speaker)
##[1] "Black Panther""Black Widow""Bucky"
##[4] "Captain America" "Falcon""Hawkeye"
##[7] "Hulk""Iron Man""Loki"
## [10] "Nick Fury""Rhodey""Scarlet Witch"
## [13] "Spiderman""Thor""Ultron"
## [16] "Vision"

建立一個索引表，將檔名轉換為角色名。

character_labeler <- c(`black_panther` = "Black Panther",
`black_widow` = "Black Widow",
`bucky` = "Bucky",
`captain_america` = "Captain America",
`falcon` = "Falcon", `hawkeye` = "Hawkeye",
`hulk` = "Hulk", `iron_man` = "Iron Man",
`loki` = "Loki", `nick_fury` = "Nick Fury",
`rhodey` = "Rhodey",`scarlet_witch` ="Scarlet Witch",
`spiderman`="Spiderman", `thor`="Thor",
`ultron` ="Ultron", `vision` ="Vision")

有兩個不同版本的角色名，一個用於顯示(漂亮)，一個用於索引(簡單)

convert_pretty_to_simple <- Vectorize(function(pretty_name){
# pretty_name = "Vision"
simple_name <- names(character_labeler)[character_labeler==pretty_name]
# simple_name <- as.vector(simple_name)
return(simple_name)

})
# convert_pretty_to_simple(c("Vision","Thor"))
# just for fun, the inverse of that function
convert_simple_to_pretty <- function(simple_name){
# simple_name = "vision"
pretty_name <- character_labeler[simple_name] %>% as.vector()
return(pretty_name)
}
# example
convert_simple_to_pretty(c("vision","black_panther"))

## [1] "Vision""Black Panther"

將簡化的角色名稱新增到文字資料框架中。

word_data$character <- convert_pretty_to_simple(word_data$Speaker)

為每個角色指定主顏色

character_palette <- c(`black_panther` = "#51473E",
`black_widow` = "#89B9CD",
`bucky` = "#6F7279",
`captain_america` = "#475D6A",
`falcon` = "#863C43", `hawkeye` = "#84707F",
`hulk` = "#5F5F3F", `iron_man` = "#9C2728",
`loki` = "#3D5C25", `nick_fury` = "#838E86",
`rhodey` = "#38454E",`scarlet_witch` ="#620E1B",
`spiderman`="#A23A37", `thor`="#323D41",
`ultron` ="#64727D", `vision` ="#81414F" )

繪製條形圖☟

avengers_bar_plot <- word_data %>%
group_by(Speaker) %>%
top_n(5, amount) %>%
ungroup() %>%
mutate(word = reorder(word, amount)) %>%
ggplot(aes(x = word, y = amount, fill = character))+
geom_bar(stat = "identity", show.legend = FALSE)+
scale_fill_manual(values = character_palette)+
scale_y_continuous(name ="Log Odds of Word",
breaks = c(0,1,2)) +
theme(text = element_text(family = "Franklin"),
# axis.title.x = element_text(size = rel(1.5)),
panel.grid = element_line(colour = NULL),
panel.grid.major.y = element_blank(),
panel.grid.minor = element_blank(),
panel.background = element_rect(fill = "white",
colour = "white"))+
# theme(strip.text.x = element_text(size = rel(1.5)))+
xlab("")+
coord_flip()+
facet_wrap(~Speaker, scales = "free_y")
avengers_bar_plot

這已經非常漂亮了，但是還可以更漂亮。比如人物形象通過“線條”顯示出來。具體做法是將透明的條形圖全覆蓋，然後從端點向裡繪製白色的條形圖，注意條形圖是能夠遮擋圖片的。

在資料框架中，用達到總最大值所需的餘數來補充數值，這樣當將值和餘數組合在一起時，就會形成長度一致的線條組合。

max_amount <- max(word_data$amount)
word_data$remainder <- (max_amount - word_data$amount) + 0.2

每個英雄角色僅提取5個關鍵詞。

word_data_top5 <- word_data %>%
group_by(character) %>%
arrange(desc(amount)) %>%
slice(1:5) %>%
ungroup()

將“ amount” 和“ remaining ”的格式進行轉換

確保每個角色有兩個長條；一個用於顯示amount，另一個用於選擇結束位置。

這會將“amount”和“remaining”摺疊成一個名為“variable”的列，指示它是哪個值，另一列“value”包含每個值中的數字。

word_data_top5_m <- melt(word_data_top5, measure.vars = c("amount","remainder"))

將這些條形圖放在有序因素中，與在資料融合中相反。否則，“amount”和“remainder”將在圖上以相反的順序顯示。

word_data_top5_m$variable2 <- factor(word_data_top5_m$variable,

levels = rev(levels(word_data_top5_m$variable)))

每個角色僅僅顯示五個詞彙

注意角色名稱的版本問題，例如採用“black_panther”而不是“Black Panther”

plot_char <- function(character_name){
# example: character_name = "black_panther"
# plot details that we might want to fiddle with
# thickness of lines between bars

單個角色是如何設定？

sample_plot <- plot_char("black_panther")+
theme(axis.title = element_text())+
# x lab is still declared as y lab
# because of coord_flip()
ylab(plot_x_axis_text)
sample_plot

橫軸為什麼這麼特殊？因為隨著數值的增加，條形圖會變得越來越高，因此需要轉換刻度。

如下所示☟

logit2prob <- function(logit){
odds <- exp(logit)
prob <- odds / (1 + odds)
return(prob)
}

…這就是這個軸的樣子：

logit2prob(seq(0, 2.5, 0.5))

## [1] 0.5000000 0.6224593 0.7310586 0.8175745 0.8807971 0.9241418

注意該列表中連續項之間的遞減差異：

diff(logit2prob(seq(0, 2.5, 0.5)))

## [1] 0.12245933 0.10859925 0.08651590 0.06322260 0.04334474

好了，可以進行下一項了：探討一些細節，並把上面設定的函式應用到所有角色的列表中，並把所有的結果放入一個列表中。

all_plots <- lapply(character_names, plot_char)

從圖片中提取標題

get_axis_grob <- function(plot_to_pick, which_axis){
# plot_to_pick <- sample_plot
tmp <- ggplot_gtable(ggplot_build(plot_to_pick))
# tmp$grobs
# find the grob that looks like
# it would be the x axis
axis_x_index <- which(sapply(tmp$grobs, function(x){
# for all the grobs,
# return the index of the one
# where you can find the text
# "axis.title.x" or "axis.title.y"
# based on input argument `which_axis`
grepl(paste0("axis.title.",which_axis), x)}
))
axis_grob <- tmp$grobs[[axis_x_index]]
return(axis_grob)
}

提取軸標題

px_axis_x <- get_axis_grob(sample_plot, "x")
px_axis_y <- get_axis_grob(sample_plot, "y")

下面是如何使用提取出來的座標軸：

grid.newpage()
grid.draw(px_axis_x)

# grid.draw(px_axis_y)

彙總所有的英雄

big_plot <- arrangeGrob(grobs = all_plots)

加入圖注，注意圖和座標軸的比例關係

big_plot_w_x_axis_title <- arrangeGrob(big_plot,px_axis_x,heights = c(10,1)) grid.newpage() grid.draw(big_plot_w_x_axis_title)

因為詞彙的長度不同，這些圖表佔用的頁面空間略有不同。

所以，這看起來有點亂。

一般來說，我們使用facet_grid（）或facet_wrap（）確保在繪圖的過程中保持整齊和對齊，這個專案中不再適用，因為每個都有自己的自定義背景影象。

使用Cowplot而不是arrangebrob，讓圖片的軸垂直對齊

big_plot_aligned <- cowplot::plot_grid(plotlist = all_plots, align = 'v', nrow = 4)

增加X軸的標題，和之前類似，注意網格對齊

big_plot_w_x_axis_title_aligned <- arrangeGrob(big_plot_aligned,px_axis_x,heights = c(10,1))

然後，大功告成☟

然後，儲存一下！

ggsave(big_plot_w_x_axis_title_aligned,
file = "Avengers_Word_Usage.png",
width = 12, height = 6.3)

相關報道：

https://towardsdatascience.com/i-analyzed-marvel-movie-scripts-to-learn-what-each-avenger-says-most-2e5e7b6105bf

http://mattwinn.com/Plot_Avengers_data.html