京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据分析告诉你不一样的中土世界
人口普查对一个国家来说, 是了解居民基本情况的重要手段。 很多国家大约是每十年, 就要花费大量人力物力来进行人口普查。不过, 最近, 一个瑞典的21岁大学生, 却一个人完成了一项全球性的人口普查。 只不过, 普查的对象是托尔金小说的《指环王》系列小说(霍比特人,指环王, 以及精灵之钻)中描述的中土世界。
这位小伙子名叫Emil Johansson, 是瑞典查莫特理工学院的化学工程系的学生。 他在业余时间, 利用了近一年的时间, 在今年11月推出了叫LotrProject项目的网站。 对托尔金小说里的923个人物进行了分析。
通过Emil Johansson, 我们知道了霍比特人的平均寿命是96.24年, 而比尔博.巴金斯活到了131岁, 使他成为仅次于斯米戈尔(也就是咕噜)外最长寿的霍比特人, 而比尔博-巴金斯的一个侄子, 罗索-巴金斯, 则只活了55岁, 是霍比特人里最短寿的。
而你能想象吗, 中土世界里, 女性占总人口的比例只有20%不到, 就算是最英俊的矮人, 可能也只能通过《非诚勿扰》才能找到恋爱对象了。
本质上, LotrProject其实是一个数据可视化项目。 它把托尔金小说里表述的一个巨大而复杂的家谱关系, 通过图表, 地图, 时间轴以及简单文字说明生动地表现了出来。
下面这个图表就是一例, 这个交互式的图, 显示了按照不同种族的寿命分布(精灵因为长生不老, 所以没有列入)。 你可以用鼠标点击不同的部分放大进行更细的信息浏览(本站只是截图, 读者可以去Lotrproject的网站去试试)。
看上去像是数据极客的游戏吧。 不过, 这正是互联网和数据分析神奇的地方, 只要你有想法, 有热情, 技术宅男一样也可以变成明星。 自从推出了Lotrproject网站, Emil Johansson很快就出名了。 他的网站收到了了成千上万的评论, 他还被邀请在古登堡的TED上做演讲。 据说还要去参加明年一月的霍比特人研讨会。
那我们就来看看这个21岁的化学工程系的学生是如何变成网上的明星的吧。
在他的网站里, 他对923个人物做了分析。 尽管这个网站才建立不到一年, 这些想法已经很早就开始了。
Johansson从小就非常喜欢托尔金的作品。 看过无数遍他的小说。 他说, 从2001年起, 他每年都会读一遍指环王。 大约7年前, 他开始根据托尔金的小说《精灵之钻》, 来编撰人物家谱。 最终, 他把托尔金系列小说里的所有人物都作了归类和分析。
Johansson很早就想在网上发表他的研究成果了。 可是他没有什么编程的经验, 所以, 就一直没有付诸实现。 直到他上了大学以后, 他才又重新开始考虑把他的研究上网的项目。
“作为一个工科的学生, 你得知道如何学习新的东西, 去干你过去干不了的事情。” Johansson说:“我不会编程, 不过我Google用得很熟”。 依靠Google, Johansson自学了Javascript 和 PHP, 而最终, 他的中土“人口普查”得以上线。
“起初, 我并没有指望有多少人看它。”但是, 人们最初的反馈好极了。 于是, Johansson决定在家谱的基础上, 添加上交互式的图表, 按照中土世界的大事件加上了时间轴。
于是, 网站变得越来越受欢迎。 以至于Johansson不得不考虑把网站独立托管了。 Johansson又采用了众筹方式, 从Indiegogo上筹资, 2天内就筹到了600美元。 Johansson最近还开发了一个安卓的应用。 一两个月的下载量也超过了1000次。 Johanson说他也想开发一个iOS的版本, 但是那样的话需要一台苹果电脑, 作为一个全职学生, 这超过了他的预算。 不过, 苹果迷们也不要着急。 据说Johansson已经租了一台电脑, 准备在明年一月份前推出iOS版本。
在《指环王》里, 甘道夫在护戒远程出发前对佛罗多说:“当重任轮到我们的时候, 我们需要决定去做什么。” Johansson觉得, 他在花了大量时间和精力进行开发Lotrproject项目的时候, 就有一种来的中土世界的感觉。
“托尔金把中土世界描述的细致入微, 从语言到人物, 都是那么地细致, 当你在做这个项目的时候, 你仿佛就置身于中土世界一样”, Johansson这样描述他的感觉。
听上去太像一个极客了吧。 确实。 “人们不要怕被称为极客, 每个人都有一些狂热的爱好。 比如时尚, 汽车, 托尔金。 化学什么的。 对了, 我其实也很喜欢化学的”, 这个化工系的学生如是说。
除了收到大量的《指环王》系列小说的爱好者的评论外。 Johansson也收到了一些教师的评论。 希望能够授权在教学中使用他的这些图表。 Johnsson本人也在考虑开发一些类似工具。可以采用与Lotrproject类似的方式来表现真实世界的历史时间。 而除了把中土世界搬到网上外, Johansson也计划把另一部魔幻作品《冰与火之歌》的“人口普查”也放到网上去。
而对马上要上映的《霍比特人》的电影, Johansson还在网上放了一张各人物关系图。 Johansson就是通过类似的关系图开始他的家谱绘制的。 而通过这些图谱, 影迷们可以更好的了解各种复杂的人物关系(编者:可能以后的电影营销可以考虑类似的方式了)。
Johansson说:“我的项目取得成功非常幸运, 当我重新审视当初的想法时, 很难想到, 一个纯粹个人爱好竟然能够成为今天这样一个数据可视化的项目。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17