
用大数据看懂《速度与激情》的用车法则
当你对《速度与激情》中的车流口水时,有没有想过,这个电影里究竟有多少台车?哪个品牌车最多?什么车最厉害?……
没错,4月12日,《速度与激情7》就要和中国观众见面了,无论你是不是《速度与激情》系列的粉丝,这都是一部不可不看的作品。在此,TD并不想剧透电影剧情,而是想和你侃侃在《速度与激情》中的那些车。
或许,你对《速度与激情》中Han驾驶的RX-7记忆犹新,或许你对拖着金柜狂飙的道奇Charger念念不忘,或许你对《速度与激情7》预告片中一闪而过的Lykan中了毒。不过,这都只是你个人喜好了,其实在《速度与激情》中,隐藏着我们所不知道的大数据。
到底有多少辆车?
不完全统计,《速度与激情》的七部电影中,共出现了607辆车型,怎么样?是不是比你想象的还要多?
如果你是速度与激情系列的忠实粉丝,你会发现在片中出现最多的一定是美国车,到底多到什么地步呢?607辆车型中有234辆是美国车。
要是速度与激情是一部只有美国肌肉车的电影,那么也肯定不会有今天的成就。在片中保罗·沃克饰演的就是一位不折不扣的日系粉丝,尤其是在第三部Tokyo Drift中,每个主角的车型都是地道的日系机器。那么日本车到底又出现了多少辆呢?比美国车略微少一些,日本车有201辆。
最后的当然是除美国、日本之外的其它品牌车型了,包括众多的德国品牌、法国品牌、英国品牌、韩国品牌……额,就是没有中国品牌。这些车型加起来总共出现了172辆。
所以,如果你下次再和别人在酒桌上争论到底速度与激情中什么车最多的时候,用数字击倒他们吧。
哪个品牌的出镜率最高?
我们可能熟悉很多影片中的车型,但要是说起哪个品牌的车型最多,可能还真有点摸不到头脑。
在我挨个数出来的结果中,我自己都出乎意料,出镜率最高的品牌是福特,总共有62辆露出,其次出镜率最高的不是美国品牌,也不是日本品牌中销量最好的丰田,而是日产,53辆的出镜率让其它品牌自愧不如。
此外,有48辆雪弗兰、38辆丰田、32辆道奇、32辆本田、23辆马自达、14辆宝马、12辆奔驰出镜,不知道和你心目中的数字是否有出入呢?
《速度与激情》中最牛X的车是哪个?
当然,除了数量的问题之外,我们还可以讨论一下哪个车型最厉害的事儿。由于这只是一个电影,所以我们很难用客观来评价哪个车最快,但是我们却可以知道,哪辆车在电影中最牛X。
没错,答案肯定是Charger,在《速度与激情》第5、6甚至第7部中,Charger都是毫无疑问的主导车型,它可以拖着金柜飞奔在里约的大街小巷,也可以在直线加速中拿下每一个气焰嚣张的对手,甚至《速度与激情7》中,主角车型中同时出现了拉力改装风格的1970 Charger R/T,动力超过2000马力的Charger,和带着一众超跑飞奔的全新Charger。
2000马力的Charger
拖着金柜的Charger
跳伞下来的Charger
你要问为什么?那是因为克莱斯勒是速度与激情的合(赞)作(助)商。所以,在Charger之外,可以拿下“速度与激情无敌榜”第二名的就是它的兄弟——道奇Challenger,至于其它车型?它们也许比Charger更快,但绝对不会比Charger更牛X。
到底谁在开欧洲车?
当我用了一天的时间,把速度与激情6部连起来看了一遍之后,我发现了另一个问题:除了保罗·沃克开日本车,其余主线人物都开美国车。那么又是谁在开欧洲车呢?
这个问题其实也不难回答,在速度与激情中能够站到主角位置的欧洲车还真不多,除了第二部中出镜还算多的E36,第四部中的宝马5系,第六部中的M5,其余的几乎都是打酱油的角色。在速度与激情中,欧洲车或者被玩残了、撞墙了,要不就是反派开着欧洲车出现了、然后消失了。
除了一个特例,那就是杰森斯·坦森开着奔驰S级(W140)把RX-7撞翻了,这要算做为成就最高的欧洲车了,除此之外,就真的没有什么印象深刻的欧洲车了。当然,在第7部中出现的7000万跑车Lykan,在一段刺激的枪战中直接穿越了大楼,又玩完了……
所以,这是一部美国人的电影,总体而言,和我们的手撕鬼子有点相同的意味。
其实,说了这么多,并不是我在吐槽《速度与激情》,而是我太喜欢这部电影了,所以看的次数越多,就越多地发现这其中的一点规律。希望你在走进电影院观看《速度与激情7》的时候,抛去这些杂乱的数字,安心的做一个车迷吧,为了不熄灭的速度与激情,也为了永远追寻速度的保罗·沃克。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29