作者 | Tianyi Gu
題圖 | 站酷海洛
《指環王》是英國作家、語言學家約翰·羅納德·瑞爾·托爾金創作的經典長篇奇幻小說。在書中，托爾金虛構了一個極具傳奇色彩的“中土”世界，這裡有精靈、矮人、巫師、蠻族等等，故事精彩紛呈。數據俠Tianyi Gu嘗試通過數據爬取來分析指環王三部曲的電影劇本，用可視化的方法展現中土世界的有趣故事。
我從在網上爬取數據開始我的研究。我的數據主要來自兩個網站：lotr.wikia 這個網站上有關於中土世界的人口信息；ageofthering.com 這個網站上有指環王的電影劇本。
在第一個網站上，我爬取了名字，生卒年份，種族，配偶，髮色，身高，所屬王國等信息。一共涉及1000個角色。在第二個網站，我爬取了三部曲的所有電影臺詞，以及對應的電影名以及是屬於誰的臺詞。這部分一共生成了2400行數據。
第一張柱狀圖顯示了這1000個角色的種族以及性別分佈。很明顯，這故事裡男人居多，事實上，整個故事裡只有一個女性侏儒，一個女性獸人。
第二個圖顯示的是不同種族的平均壽命。就像所顯示的，邁雅（Maiar）有非常長的壽命，看起來除非遇到非自然因素，否則他們就不會死亡）。在進一步研究分析後，我發現主要的角色比如甘道夫，薩魯曼，索龍都是這一種族，並且已經活了超過7000年。
第三張圖展示了不同年份中土世界的居民數量。侏儒的人口數量在第四紀元以前看起來很穩定，因為他們壽命很長。而隨著三部曲進行，人口結構劇烈變化。
值得注意的是，這些數據只包含了書中寫到的人物，並不能代表整個中土世界的人口情況。
上面的圖展示了中土世界的婚姻狀況。合乎預期的是，霍比特人在所有種族裡結婚的比例最高。儘管書中只有提及一名女性侏儒，但仍然有36%的侏儒是已婚。獸人從不結婚。另外，整個故事裡也沒有同性婚姻，只有一個角色是復婚。
上圖顯示了不同角色在不同電影裡說的臺詞，不同顏色的柱狀圖代表了三部不同的指環王電影。
對應的詞雲顯示了不同角色用到的單詞的頻率。弗羅多和薩姆最常說的單詞是對方的名字（哈哈）。對比甘道夫和阿拉貢，很容易發現，這些英雄角色最常說的單詞是“Will”。儘管分享著同一個軀體，咕嚕和史麥戈的性格完全不同，他們對應的詞雲也證明了這一點。
除此之外，我還對這些角色做了一點情感分析。上面的氣泡圖展示了對不同角色說的話進行的情感分析結果。梅里和皮聘兩個快樂的霍比特人得到了最高的分數。但出乎意料的是，薩姆得到了最高的負分。這可能是因為他是負責給弗羅多訓詞的人，要告訴他什麼不能做，誰不能信任，以及永遠小心危險，這些話會讓他聽起來更加消極。
對於中土世界的探索，我只是略窺一二。對指環王感興趣的朋友可以訪問我提到的兩個網站，一起作出更多精彩的數據分析。
注：本文編譯自數據博客《Journey to Middle Earth - Webscraping the Lord of the Rings》。點擊“閱讀原文”查看。內容僅為作者觀點，不代表DT財經立場。
期待更多數據俠乾貨分享、話題討論、福利發放？在公眾號DT數據俠（ID：DTdatahero）後臺回覆“數據社群”，可申請加入DT數據社群。
▍數據俠門派
本文數據俠Tianyi Gu。Tianyi Gu擁有極強量化分析技術以及批判思維能力。他研究生畢業於紐約大學的城市信息專業，本科畢業於紐約州立大學的精算專業。出於對數據科學無限潛能的熱情，他加入NYCDSA，希望學習成為一名數據科學家所需要的技能和知識。
▍加入數據俠
數據俠計劃是由第一財經旗下DT財經發起的數據社群，包含數據俠專欄、數據俠實驗室系列活動和數據俠聯盟，旨在聚集大數據領域精英，共同挖掘數據價值。申請入群請添加微信公號dtcaijing004並備註“數據社群”，合作請聯繫[email protected]。
閱讀更多 DT財經 的文章
