Описание проекта
В современном мире музыка является не только средством развлечения, но и инструментом для обсуждения важных социальных вопросов. Тексты песен часто становятся отражением внутреннего мира автора, его взглядов на жизнь, общество и окружающую действительность.
В рамках данного исследования я решила проанализировать тексты песен американской певицы Мелани Мартинес, чье творчество выделяется своей уникальностью и многогранностью. Каждый ее альбом является частью одной большой истории, наполненной метафорами и символами.
Причиной выбора послужили тексты певицы, отличающиеся не только поэтичностью, но и глубоким смыслом. В своих песнях Мелани поднимает вопросы, о которых принято умалчивать в современном обществе: домашнее насилие, киднэппинг, анорексия, травля, сексуальная объективация женщин и многие другие. Такое обилие тем заслуживает глубокого анализа.

Цветовое решение
Для проведения всестороннего анализа творчества Мелани Мартинес, я создала собственный датасет с текстами песен из всех ее альбомов, а именно Cry Baby, K-12, After School и Portals. Датасет разбит на следующие категории: текст (lyrics), альбом (song album) и название песни (song name).
В ходе анализа будут использованы следующие типы графиков:
1). Гистограмма 2). Круговая диаграмма 3). Облако слов
Я решила использовать эти графики, потому что они компактны и просты, что позваляет легко привлечь внимание читателя.
График 1
Для начала я решила проанализировать, какие слова в песнях Мелани Мартинес встречаются чаще всего, чтобы получить приблизительную картину ее творчества и тем, встречающихся в нем.
Перед генерацией графика я обратилась к Chat GPT1, чтобы узнать, как избежать повторения ненужных слов. Он предложил использовать stopwords, что помогло избавиться от слов по типу I и you при анализе.
В графике я использовала цвета из ранее подготовленной палитры. Нашла я их с помощью ресурса imagecolorpicker, взяв за основу обложку исследования.
1 I’m analyzing a lyrics dataset in Jupyter with pandas for word repetition. How do I make sure I exclude words that are too common?
Кадр из фильма Мелани Мартинес «K-12»
Любопытно, что одни из самых высоких позиций заняли слова cry и baby, так как Cry Baby является своеобразной персоной Мелани, которую певица создала сама. Тот факт, что слово cry повторялось ей практически 70 раз, совсем неудивителен, ведь героиня известна своей чувствительностью.
График 2
Далее я импортировала wordcloud, чтобы красиво визуализировать слова, которые я нашла ранее.
Кадр из клипа Мелани Мартинес «Soap»
График 3
Продолжая анализ, мне стало интересно, насколько текст в песнях Мелани грустный, или же веселый? Я решила проверить это с помощью sentiment score, которая позволила бы мне проверить текст на негативность (<0) и позитивность (>0). Для этого я импортировала textblob. Я также убедилась, что текст внутри и за пределами диаграммы будет разных цветов, чтобы он был читаем.
Кадр из клипа Мелани Мартинес «FAERIE SOIRÉE»
К моему удивлению, соотношение грустных и позитивных песен приблизительно равное. Тем не менее, количество негативных песен привышает позитивные, что было ожидаемо.
График 4
Узнав процент грустных песен Мелани Мартинес, я решила узнать, какие именно песни считаются самыми негативными по их sentiment score. К счастью, сделать это было несложно, так как с textblob к тому моменту я была уже знакома.
Кадр из клипа Мелани Мартинес «Pacify Her»
Было ожидаемо, что первое место заняла EVIL. Тем не менее, результат меня удивил, так как с первого взгляда некоторые из предложенных песен не звучали грустно. Однако внимательно пересмотрев их текст, я осознала, что несмотря на оптимистичное настроение некоторых композиций, в них действительно было много слов с негативной окраской. К примеру, в с виду веселой песне Wheels on the Bus встречаются такие слова как hate, boring, cold, yelling и terrified, а также много нецензурной лексики.
График 5
Разумеется, после анализа самых грустных песен мне стало любопытно, какие являются наиболее радостными. Действовала я по той же схеме что и раньше.
Кадр из фильма Мелани Мартинес «K-12»




