复联好cp：口头禅揭秘漫威基友情
（题图来源：漫威官网）
【剧透预警：请注意，看过《复3》的请直行，尚未观影的请走右边出口。】
《复仇者联盟3：无限战争》的14,000,605的可能结局中，为什么偏偏弄死了那几个呢？
答案就在人物关系中。
现在有这么一张没标名号的英雄人物关系图，情智双高的你一定能猜出谁是谁。
下图中每个圆圈表示复联中的一个人物，箭头表示谁喜欢呼叫谁，从叫人者指向被叫者，呼叫别人越多的，圆圈颜色越深。呼叫与被呼叫的连线，近似人物之间的影响关系。
这张图如果让灭霸他老人家拿到，肯定会先深后浅：上来先灭了那个深绿色的社交大蝴蝶A，然后拳打眉来眼去的B和C，脚踢自娱自乐那位D，最后再收拾那几个单向呼叫和孤苦伶仃的，多么按部就班啊！
在填名字之前，先交代一下这张图怎么来的。
首先得感谢有位数据女扫了前面三部漫威电影的剧本。
话说2018年4月，Elle O'Brien作为女漫威迷，焦急地等待着《复3》的公映。她在Medium.com的签名档是「计算机科学家、软件开发者和科技作家」。为了提高预习效果，她找来了前面三部展现复仇者们群像的电影的英文剧本，进行了文本分析。这三部电影是：
《复仇者联盟》（2012），
海报来源：时光网
《复仇者联盟2：奥创纪元》（2015），
海报来源：时光网
和《美国队长3：英雄内战》（2016）。
海报来源：时光网
O'Brien文本分析的目的是：找出每一位人物的台词中什么词汇的使用频率显著比别的人物高。这里她采用的量化指标是「对数优势比」（log odds ratio）。
这是地球人衡量「某人的某特征是否比其他人突出」的一个小套路：对于某位人物A，一个词的优势比，就是「A说这个词的概率」与「别人说这个词的概率」之比。然后再取自然对数，得到一个无量纲的指标叫「对数优势比」：
指标如果是0，表示A同学说该词的概率跟全班其他同学没什么不同；
指标如果是1，表示A说该词的概率是其他同学说该词概率的2.718...倍。
对了，这个无理数2.718...就是「自然对数的底」，咱们地球人管它叫「e」，在漫威宇宙各星球上可能叫别的，但肯定也是这个数儿。（不信查资料：张戎：数学里的 e 为什么叫做自然底数？是不是自然界里什么东西恰好是 e？）
用这个方法，O'Brien真的发现：复男复女们每位都有自己的招牌台词！比如谁爱吐脏字，谁老是支支吾吾卖萌，谁老害怕，谁老装。O'Brien有一个特别长的大表总结了他们各自最爱念的台词。
但是数据表太啰嗦颜值又低。这样，咱就拣重要的，把每位最爱碎碎念的五个词儿挑出来，来张复联众神口头禅一览图。
幸好有一位可视男已经帮咱把口头禅一览图做好了。
这位可视男叫Matt Winn，他用一个叫R的东西，把O'Brien的结果和我们熟悉的那十几张脸，组合成这张一目了然的口头禅图。
翻译成中文后是这个画风：
Elle O'Brien数据，Matt Winn制图，张戎国产化。
你仔细看，发现什么秘密了吗？
对！他们爱说的词儿里，有好些都是同伙的名字啊！而且有的叫得不嫌肉麻，有空可以对照一下英文原版。比如黑寡妇，别人都叫她娜塔莎，就鹰眼个别，呼唤她「Nat」！鹰眼叫美队也不好好叫，直呼「Cap」。
甭管肉麻不肉麻，咱要的东西就在这儿了。谁经常叫谁，暴露的就是这帮人的关系！
根据口头禅数据中的呼叫关系，我们提取了复联团伙的关系图。
数据来源：Elle O'Brien。Gephi可视化：张戎。
瞧瞧这个队形是不是很明显？
最绿的社交大蝴蝶是美队，喜欢叫人也常被人叫；
黑寡妇和鹰眼关系不一般；
绿巨人除了叫寡妇就是跟自己的双重人格较劲，大便干燥即视感；
钢铁侠自命不凡，最常叫的是自己管家；
雷神对兄弟洛基不错，可惜没得到回报；
红女巫看样子要撩幻视...
那么看完电影的你，觉得灭霸掌握了这张图吗？
在谈结局之前，先回答剧本迷、编程迷、做图迷们的问题吧。
Q1. 「三部影片的英文剧本哪里找？」
这里，拿走不谢。
Q2. 「口头禅一览图的英文原版在哪？看看你翻得靠不靠谱。」
不靠谱。反正只要名字、小名、昵称能找准，关系图就有了。其它那些口头禅的翻译，英文原版在这里，看看有没有更地道的翻法？
另外，O'Brien的英文原文在这：I analyzed Marvel movie scripts to learn what each Avenger says most。这是Elle O'Brien的头像。
Elle O'Brien。来源：mattwinn.com
Q3. 「做这种带照片的条形图都用到R里的哪些包？」
R我也没玩过。你可以去看可视男Matt Winn写的配方。他说就用了八个包：
library(dplyr)
library(grid)
library(gridExtra)
library(ggplot2)
library(reshape2)
library(cowplot)
library(jpeg)
library(extrafont)完整配方的链接在此：
Winn口头禅图谱可视化：Avengers: What do they talk about?
可视男Matt Winn。来源：mattwinn.com
Q4. 「哪里有优势比的严谨定义？要带公式的！」
维基百科凑合能看吗？优势比：Odds ratio - Wikipedia
Q5. 「哪里有漫威世界中英对照表？」
这有一个：帮助:译名对照表 - 漫威电影宇宙资料站 - 灰机wiki
Q6. 「人物关系网图用什么做的？」
一个叫Gephi的免费工具。这里可以下载：The Open Graph Viz Platform
这有一个快速上手的说明：derekgreene.com/slides/derekgreene_gephi_slides.pdf
Q7. 「做Gephi人物关系网图需要准备什么样的数据？」
这种简单的Gephi图有两张CSV表就可以。一个叫节点表（Nodes），就是那些圆圈；一个叫边表（Edges），就是那些连线。
这里的节点有20个：
节点表
这里的边有16条，从源（Source）指向目标（Target），用节点表中的人物编号标明呼叫者和被叫者：
能坚持看到这儿的，是不是只剩下彩蛋强迫症患者了？
刚才聊攻略这会，有灵感的数据工作者@刘超-YM同学打印了一张关系图，用红笔勾了勾，转身默默地离开了。
原来，他虽然手无时间原石，却用这张图就发现了那个惊天大秘密：14,000,605的可能结局中，为什么偏偏是这一个？
大家看，这是他勾过的图：
刘超标记的《复3》结局
你看到了什么？
打红框的都是灭霸1/2「随机」湮灭弄死的英雄。
而这根本就不是随机的！
被弄死的英雄都是颜色最浅和次浅的圆圈。
死谁都没有死核心，联盟战队必然能卷土重来。
奇异博士肯定看到了这个的结局，才那么痛快交出时间原石。
无限手套肯定是复仇者联盟一伙安插的。
看来灭霸并没有事先掌握这张图，所以我们后面还有《复4》看！