Описание
Drake — канадский рэпер, певец и автор песен, один из самых коммерчески успешных артистов 2010–2020-х, работающий на стыке хип-хопа, R&B и поп-музыки. Его музыка часто сочетает разные настроения и формы: от энергичных, танцевальных треков до более спокойных и меланхоличных композиций, поэтому его дискографию удобно рассматривать как набор разных «режимов» звучания.
В исследовании использован датасет с сайта Kaggle (kaggle.com), содержащий треки Drake и их аудиохарактеристики Spotify. Датасет посвящён одному исполнителю, поэтому не требуется дополнительная фильтрация по артистам — можно сразу анализировать особенности звучания и сравнивать их между альбомами и периодами.
Типы диаграмм
Для анализа данных использованы следующие типы графиков:
— Точечная диаграмма
— Тепловая карта плотности
— Диаграмма распределения
— Точечная сравнительная диаграмма
— График с интервалами
Графики выбраны, чтобы показать данные с разных сторон: выделить группы треков, увидеть связь между параметрами, сравнить альбомы по распределению настроения и проследить изменения формата треков по годам.
Стилистическое решение
Для оформления визуализаций была выбрана палитра, вдохновлённая обложкой альбома Take Care.
В проекте используется шрифт Montserrat. Для заголовков выбран Montserrat Medium, для подписей и основного текста — Montserrat Light, чтобы сохранить читаемость и визуальную иерархию.
Подготовка
Подключаем библиотеки для загрузки и обработки данных, построения графиков, настройки визуального стиля (градиенты, округлённые формы, шрифты) и кластеризации треков с помощью методов машинного обучения.
На этом шаге задаются файлы шрифта Montserrat и создаются два набора настроек: Light для основного текста и Medium для заголовков. Код проверяет наличие файлов в папке Colab и применяет шрифты только если они действительно загружены.
Здесь загружается CSV-файл с треками Drake, удаляются служебные столбцы Unnamed, затем приводятся к нужному формату дата релиза и год. Также рассчитывается длительность трека в минутах на основе duration_ms, после чего выводится размер датасета и первые строки для проверки.
АНАЛИЗ ДАННЫХ
Диаграмма № 1
На графике треки Drake разделены на четыре группы по похожести звучания. По осям показаны танцевальность и энергия, поэтому видно, какие группы ближе к более энергичным и танцевальным трекам, а какие — к более спокойным и меланхоличным. Белый крест в каждой панели отмечает средние значения параметров для этой группы.
Диаграмма № 2
Треки разделены на четыре группы по уровню speechiness: от более певучих до более рэповых. Для каждой группы показана доля треков со светлым и меланхоличным настроением по показателю valence. График помогает понять, как меняется настроение треков Drake при росте speechiness.
Диаграмма № 3
График показывает, как отличается настроение треков в разных альбомах по показателю valence. Чем шире форма, тем чаще встречаются треки с таким уровнем valence, а белая линия отмечает медианное значение. Так можно сравнить, какие альбомы в среднем более меланхоличные, а где настроение чаще смещается в более светлую сторону.
Диаграмма № 4
На графике показаны 12 самых частых тональностей в треках Drake и сравнение, сколько из них записано в ладу Major и сколько в Minor. Две точки на каждой строке показывают количество треков, а линия между ними помогает быстро увидеть разницу. Это позволяет понять, какие тональности чаще встречаются и какой лад преобладает.
Диаграмма № 5
График показывает, как менялась длительность треков со временем. Точка — это медианная длительность трека в конкретном году, а вертикальный интервал показывает разброс от 25 до 75 процентов треков. Подпись n сверху — сколько треков попало в расчёт для этого года.
Заключение
Анализ показал, что у Drake нет одного «среднего» звучания: треки уверенно делятся на несколько групп по настроению и динамике. В дискографии одновременно встречаются более энергичные танцевальные треки, более спокойные и мягкие, а также более мрачные по настроению.
Отдельно видно, что уровень speechiness связан с тем, как распределяется настроение треков, а альбомы отличаются не только средним valence, но и тем, насколько внутри них есть контраст. Дополнительно сравнение Major и Minor и график длительности по годам помогают увидеть общие музыкальные привычки и изменения формата со временем.
Описание применения генеративной модели
ChatGPT — использовался для рекомендаций по улучшению кода и подсказок по использованию функций и библиотек.
Ссылки



