網站是基於Graph技術開發的。

其實之前小F也利用了有關Graph的庫實現了一波人物的關係分析。

只不過分析結果比較粗糙而已~

下面是網站的概況，大家可以一覽。

那麼人家能做出這麼酷炫的關係圖，我們自己能不能實現呢？

這一期就利用網站提供的數據，使用Neo4j(NOSQL圖形數據庫)進行實戰一波。

/ 01 / 獲取分析

人物及人物關聯信息從網站上獲取，具體接口如下。

數據為json格式，分別在「characters」和「relationship」中。

這裡的信息是分別指託尼·斯達克，關係「0」為朋友，斯蒂文·羅傑斯。

/ 02 / 數據獲取

具體代碼如下。

<code>import json
import requests 

headers = {
'user-agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'
}
url = 'https://graphics.straitstimes.com/STI/STIMEDIA/Interactives/2018/04/marvel-cinematic-universe-whos-who-interactive/data/marvel-data.json'
response = requests.get(url=url, headers=headers)
result = json.loads(response.text)
num = 0
names =
item = {0: 'friend', 1: 'enemy', 2: 'creation', 3: 'family', 4: 'work', 5: 'love'}
for i in result['relationship']:
subject = result['relationship'][i]['id']
object = result['relationship'][i]['target_id']
if subject not in names:
names.append(subject)
if object not in names:
names.append(object)
relation = int(result['relationship'][i]['relationship'])
with open('relation_message.csv', 'a+') as f:
f.write(subject + ',' + object + ',' + item[relation] + '
')
for j in names:
num += 1
with open('names_message.csv', 'a+') as f:
f.write(j + ',' + str(num) + '
')
for k in result['characters']:
id = result['characters'][k]['id']
name = result['characters'][k]['name']
status = result['characters'][k]['status']
species = result['characters'][k]['species']
with open('message.csv', 'a+') as f:
f.write(id + ',' + name + ',' + status + ',' + species + '
')/<code>

最後成功獲取數據。

人物名為簡稱，共計182個人物。

1144條人物關係數據，4大類型。

下面是182個人物的一些詳情信息。

包含了人物的名字及簡稱，存活狀態，人物屬性。

/ 03 / 數據可視化

下面通過Neo4j對人物關係進行可視化。

Neo4j的安裝這裡就不細說了，大家可以自行百度。

開啟Neo4j服務後，登陸Neo4j網站，初始化界面如下。

先加載第一個文件。

具體代碼如下。

<code>LOAD CSV WITH HEADERS FROM 'file:///names_message.csv' AS data CREATE (:people{name:data.name, id:data.id});/<code>

下面加載第二個文件。

具體代碼如下。

<code>LOAD CSV WITH HEADERS FROM "file:///relation_message.csv" AS relations
MATCH (entity1:people{name:relations.subject}) , (entity2:people{name:relations.object})
CREATE (entity1)-[:rel{relation: relations.relation}]->(entity2)/<code>

點擊1144按鈕處，取消限制數，再點擊全屏。

這裡大致能看出來漫威的人物聚集情況。

第一大反派滅霸(thanos)，原來這麼孤立的。

這裡由於人物太多，造成觀察不便，所以對結果進行一些篩選。

比如篩選託尼·斯達克的朋友，運行下面的代碼。

<code>match p=(n:people{name:"tonys"})-[:rel{relation:"friend"}]-> return p;/<code> 

得到下圖結果。

其中「thor」為「雷神」，「stever」為「美隊」，「blackw」為「黑寡婦」，「vision」為「幻視」，「peterp」為「蜘蛛俠」，「bruceb」為「綠巨人」。

下面再來看一下美隊的女友吧。

佩吉·卡特和她的侄女莎朗·卡特，據說兩人樣貌極為相像。

/ 04 / 總結

本次只是對Neo4j的一些簡單操作，後期或許會去深入瞭解。

此外漫威的這些人物信息，還可以玩出很多花樣的。

也希望大家能去動手嘗試嘗試，做一枚硬核鐵粉~

閱讀更多 Python初學者入門 的文章

關鍵字: Neo4J JSON NoSQL