Анализ дискографии Кендрика Ламара

Кендрик Ламар — это один из самых влиятельных и инновационных рэп-исполнителей современности, семнадцатикратный обладатель «Грэмми», лауреат «Пулитцеровской премии».

Я давно знакома с его творчеством и несмотря на то, что в какие-то периоды предпочитала слушать других музыкальных исполнителей, в конечном итоге все равно возвращалась к его творчеству, так как песни Кендрика Ламара уже ассоциируются с какими-то важными событиями и периодами моей жизни. Его музыка обрела для меня новое значение.

Мне было интересно изучить саму структуру его дискографии — какая доля приходится на соло-работы, фиты, синглы и альбомные треки. Узнать о самых успешных треках в его карьере. Какая «танцевальность» характерна для музыки Кендрика — преобладают ли более ритмичные или более спокойные песни. Как менялась средняя популярность его треков с течением времени.

Линейный график выбран для отображения временной динамики популярности, так как он идеально показывает тренды и изменения по годам. Гистограмма оптимальна для анализа распределения непрерывной переменной (танцевальности), показывая, где концентрируются значения. Круговая диаграмма наглядно демонстрирует процентное соотношение категориальных данных (типы треков), а горизонтальная столбчатая эффективно сравнивает отдельные значения (популярность конкретных треков) при длинных названиях.

Сначала я запустила чтение cvs-файла с 500+ треками Кендрика Ламара за 2009–2024 годы.

После, я обработала данные для линейной диаграммы, которая отображает динамику средней популярности треков Кендрика Ламара по годам. А именно, поставила фильтрацию по годам, которая группирует все треки по году выпуска. Рассчитала среднюю популярность (вычисляет среднее арифметическое популярности для каждого года) и отсортировала по времени.

Среднее арифметическое — основной показатель центральной тенденции для каждого года. Временные ряды — анализ изменений показателя во времени. Визуализация трендов — выявление закономерностей и пиковых периодов.

При создании гистограммы в начале я извлекла данные, работая с колонкой danceability, после — создала интервалы, которые делят диапазон 0-1 на 15 равных интервалов. Далее — подсчет частот и цветовое кодирование.

Распределение частот — анализ того, как значения распределены по диапазону. Гистограммный анализ — визуализация формы распределения (нормальное, скошенное и т. д.). Интервальное группирование — преобразование непрерывных данных в категориальные интервалы.

В начале я отфильтровала по категориям — отдельные запросы для каждого типа треков (соло-треки, фит-треки, внеальбомные и альбомные). Через len () просчитала количество треков в каждой категории. В конце — расчет процентов — автоматический расчет долей для отображения на диаграме.

Процентное распределение — анализ долей каждой категории в общей совокупности. Категориальный анализ — сравнение разных типов музыкального контента. Визуализация пропорций — наглядное представление структуры дискографии.

Выборка самых популярных через nlargest (15, 'popularity'), выбирает 15 треков с максимальной популярностью. После — сортировка по популярности благодаря sort_values ('popularity'), которая упорядочивает от наименьшего к наибольшему. Чередование цветов, алгоритмом циклического применения трех цветов к столбцам и добавление числовых меток — отображение точных значений популярности рядом с каждым столбцом.

Ранжирование — упорядочивание объектов по значению показателя. Топ-N анализ — фокусировка на наиболее значимых элементах. Сравнительный анализ — наглядное сравнение значений разных треков. Цветовое кодирование — использование цвета для структурирования информации без семантической нагрузки.

В своей работе я использовала Chat-GPT, который помог мне устранять ошибки во время написания кода и помог составить код для круговой диаграммы.

Для создания обложки я использовала нейросеть Recraft.ai.