Голос покаления. Анализ дискографии Лана Дел Рей

В рамках данного проекта был проведён анализ дискографии Ланы Дел Рей на основе табличного датасета, собранного с платформы Genius. Данные включают информацию о песнях и альбомах, датах релиза, количестве просмотров страниц песен, жанровых тегах, а также тексты песен.

Цель проекта — показать, как методы анализа данных и визуализации могут быть использованы для исследования музыкального и культурного феномена. В отличие от чисто количественного анализа, в данном проекте данные рассматриваются как способ изучения художественного языка, настроений и структуры творчества артиста.

Для визуализаций была выбрана ограниченная цветовая палитра в вишнёвых, розовых и персиковых оттенках с добавлением синего и коричневого, что было вдохновлено обложкой и эстетикой альбома Honeymoon. Все цвета, фон и параметры шрифтов заданы напрямую в коде Python, без постобработки в графических редакторах. Такой подход обеспечивает визуальную консистентность и подчёркивает связь между данными и их визуальным представлением.

Для первого этапа анализа был выбран линейный график, отображающий количество релизов по годам. Этот тип визуализации был выбран потому, что он наглядно показывает изменения во времени и позволяет увидеть общую структуру дискографии.

График демонстрирует, как распределяются релизы Lana Del Rey по годам и позволяет выделить периоды активности и паузы. Такой анализ важен для понимания того, как формируются отдельные творческие этапы и альбомные «эпохи».

Во второй части проекта используется столбчатая диаграмма для сравнения популярности альбомов и релизов на основе суммарного или медианного количества просмотров страниц песен на Genius.

Данный тип графика выбран, так как он позволяет легко сравнивать категории между собой и выделять наиболее заметные релизы. Визуализация показывает, какие альбомы вызывают наибольший интерес аудитории, и позволяет сопоставить популярность разных этапов творчества.

Третья визуализация представляет собой точечную диаграмму, которая используется для анализа взаимосвязи между количественными характеристиками песен, например длиной текста или позицией в треклисте, и уровнем популярности.

Этот тип графика выбран, потому что он позволяет увидеть общую тенденцию и наличие или отсутствие связи между переменными. Визуализация помогает ответить на вопрос, существуют ли закономерности между структурой песен и интересом аудитории.

Для более системного анализа взаимосвязей между числовыми метриками была построена корреляционная матрица с использованием коэффициента Спирмена.

Данный метод выбран, поскольку он устойчив к выбросам и не требует нормальности распределений, что особенно важно для показателей популярности. Корреляционная матрица позволяет одновременно рассмотреть связи между несколькими характеристиками и выявить наиболее выраженные зависимости.

Цветовая шкала матрицы адаптирована под общую стилистику проекта и помогает интуитивно различать положительные и отрицательные корреляции.

Заключительная визуализация представляет собой облако слов, построенное на основе очищенных текстов песен. Перед построением были удалены стоп-слова и технические элементы, чтобы сохранить только содержательные слова.

Этот тип визуализации выбран как инструмент качественного анализа. Он не даёт точных количественных выводов, но позволяет визуально выделить повторяющиеся мотивы и ключевые слова, формирующие лирический образ творчества Lana Del Rey.

Проведённый анализ показал, что дискография Lana Del Rey обладает выраженной структурой как во времени, так и в распределении популярности и текстовых характеристик. Использование разных типов визуализаций позволило рассмотреть данные с нескольких сторон и объединить количественный и качественный анализ.

Проект демонстрирует, что визуализация данных может служить не только инструментом анализа, но и способом интерпретации культурных и художественных явлений.

Дисклеймер об использовании ИИ

В процессе работы над проектом использовалась генеративная модель ChatGPT (OpenAI). Модель применялась исключительно для консультаций и уточнения сложных моментов, связанных с логикой кода, параметрами визуализаций и структурированием аналитического текста.

В основном, основная логика для построения графиков и написания основного кода была выполнена самостоятельно (основная помощь понадобилась в «дизайн"-моментах по типу шлифовки датасета, задания цвета и шрифта и т. д.)

Также ИИ-модель использовалась для language ecnhancement, чтобы текст исследования звучал более академично и отшлифованно.