2019独角兽企业重金招聘Python工程师标准>>> 
网站是基于Graph技术开发的。
其实之前小F也利用了有关Graph的库实现了一波人物的关系分析。
只不过分析结果比较粗糙而已~
下面是网站的概况，大家可以一览。
在这里还是要推荐下我自己建的Python开发学习群:[304][050][799]，群里都是学Python开发的，如果你正在学习Python ，小编欢迎你加入，大家都是软件开发党，不定期分享干货（只有Python软件开发相关的），包括我自己整理的一份2018最新的Python进阶资料和高级开发教程，欢迎进阶中和进想深入Python的小伙伴!
那么人家能做出这么酷炫的关系图，我们自己能不能实现呢？
这一期就利用网站提供的数据，使用Neo4j(NOSQL图形数据库)进行实战一波。
/ 01 / 获取分析
人物及人物关联信息从网站上获取，具体接口如下。
数据为json格式，分别在「characters」和「relationship」中。
这里的信息是分别指托尼·斯达克，关系「0」为朋友，斯蒂文·罗杰斯。
/ 02 / 数据获取
具体代码如下。
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 + '
')
最后成功获取数据。
人物名为简称，共计182个人物。
1144条人物关系数据，4大类型。
下面是182个人物的一些详情信息。
包含了人物的名字及简称，存活状态，人物属性。
/ 03 / 数据可视化
下面通过Neo4j对人物关系进行可视化。
Neo4j的安装这里就不细说了，大家可以自行百度。
开启Neo4j服务后，登陆Neo4j网站，初始化界面如下。
先加载第一个文件。
具体代码如下。
LOAD CSV WITH HEADERS FROM 'file:///names_message.csv' AS data CREATE (:people{name:data.name, id:data.id});
下面加载第二个文件。
具体代码如下。
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)
点击1144按钮处，取消限制数，再点击全屏。
这里大致能看出来漫威的人物聚集情况。
第一大反派灭霸(thanos)，原来这么孤立的。
这里由于人物太多，造成观察不便，所以对结果进行一些筛选。
比如筛选托尼·斯达克的朋友，运行下面的代码。
match p=(n:people{name:"tonys"})-[:rel{relation:"friend"}]-> return p;
得到下图结果。
其中「thor」为「雷神」，「stever」为「美队」，「blackw」为「黑寡妇」，「vision」为「幻视」，「peterp」为「蜘蛛侠」，「bruceb」为「绿巨人」。
下面再来看一下美队的女友吧。
佩吉·卡特和她的侄女莎朗·卡特，据说两人样貌极为相像。
/ 04 / 总结
本次只是对Neo4j的一些简单操作，后期或许会去深入了解。
此外漫威的这些人物信息，还可以玩出很多花样的。
也希望大家能去动手尝试尝试，做一枚硬核铁粉~
-The End-
将门是一家以专注于发掘、加速及投资技术驱动型创业公司的新型创投机构，旗下涵盖将门创新服务、将门技术社群以及将门创投基金。将门成立于2015年底，创始团队由微软创投在中国的创始团队原班人马构建而成，曾为微软优选和深度孵化了126家创新的技术型创业公司。
将门创新服务专注于使创新的技术落地于真正的应用场景，激活和实现全新的商业价值，服务于行业领先企业和技术创新型创业公司。
将门技术社群专注于帮助技术创新型的创业公司提供来自产、学、研、创领域的核心技术专家的技术分享和学习内容，使创新成为持续的核心竞争力。
将门创投基金专注于投资通过技术创新激活商业场景，实现商业价值的初创企业，关注技术领域包括机器智能、物联网、自然人机交互、企业计算。在三年的时间里，将门创投基金已经投资了包括量化派、码隆科技、禾赛科技、宽拓科技、杉数科技、迪英加科技等数十家具有高成长潜力的技术型创业公司。
