Музыкальные тренды в цифрах
Вводная часть
Музыка является важной частью массовой культуры и жизни каждого человека, она отражает социальные и эмоциональные состояния общества. Для меня музыка также является личной историей, которую я проживаю каждый день. В ней есть выражение эмоций, переживания, настроение, связь с другими людьми. Обычно эмоции воспринимаются субъективно, однако Spotify предоставляет числовые метрики, позволяющие анализировать эмоциональные характеристики музыки статистически.
Для проекта был выбран датасет с аудио-характеристиками музыкальных треков из сервиса Spotify. Датасет содержит количественные параметры, автоматически рассчитываемые Spotify на основе аудиосигнала.
Для поиска данных я использовала ресурс Kaggle, предоставляющий открытые наборы данных. Датасет был найден по запросу Spotify Audio Features Dataset.
Spotify campaign
Мне стало интересно как можно проанализировать абстрактные понятия через числа, охватывая при этом большой временной промежуток. Важно было охватить достаточно данных для осмысленного анализа и визуализации.
Так как для анализ я взяла именно данные Spotify, в цветовую палитру вошел фирменный цвет и его оттенки: 1DB954, 1ED760, 1AA34A, 1FAF5B, 17A745 и нейтральные оттенки: F6F4F1, 000000.
цветовая палитра
Типы графиков
Мною были выбраны следующие графики:
1. Линейный график — отслеживание взлетов и падений за весь период. 2. Круговая диаграмма — процентное соотношение количества в каждое десятилетие. 3. Точечный график — анализ колебаний всех лет. 4. Столбчатая диаграмма — визуализация величины для каждого периода.
На мой взгляд, такой набор графиков позволяет продемонстрировать изучающий и объясняющий формат визуализации данных.
Этапы работы
Перед созданием графиков нужно немного поработать с данными.
И первым этапом работы становится загрузка CSV-файла и первичное ознакомление со структурой данных.
загрузка CSV-файла
первичный анализ данных
Следующий обязательный шаг — фильтрация по времени. Это позволит сравнивать музыку по историческим эпохам, а не по всем годам.
фильтрация по времени
Для настройки стиля в коде были выбраны цвета ''Spotify''.
настройки стиля в коде
График 1: танцевальность
Главным вопросом для меня была именно танцевальность трека, поэтому на линейном графике я проанализировала как менялась танцевальность песен с 1920 до 2020.
линейный график
Вначале мы видим резкие колебания, которые резко падают в 1940, а потом выравниваются с каждым десятилетием.
код для линейного графика
Танцевальность музыки колеблется из десятилетия в десятилетие, отражая влияние трендов, жанров и культурных предпочтений. Музыка либо подталкивает людей к движению, либо замедляется, подстраиваясь под настроение эпохи.
График 2: акустика
Следующим этапом стал анализ акустических треков, наличие которых меняется, уменьшаясь с появлением электронных инструментов и студийных технологий, затем частично восстанавливается.
круговая диаграмма
Популярнее всего акустика была в 1920 годах, а к 2020 она снижается до минимального процента.
код к круговой диаграмме 1
код к круговой диаграмме 2
Музыкальные эпохи чередуются между натуральным звучанием и экспериментами со звуком.
График 3: энергия
Средняя энергия музыки по десятилетиям показывает плавный рост и к 2010 достигает своего максимума.
точечный график
код для точечного графика 1
код для точечного графика 2
График показывает как энергия треков растёт и падает, отражая настроение общества, культурные изменения и технологический прогресс.
График 4: речитатив
Далее для анализа я выбрала изменчивость речитатива в музыкальных треках.
столбчатая диаграмма
код для столбчатой диаграммы
В некоторых эпохах тексты играют главную роль, в других инструментальная музыка или электронные эффекты выходит на первый план. Речитатив становится важным в 1920-х годах, а в 1960 достигает минимума популярности.
Заключение
Spotify campaign
Анализ данных музыкальных треков Spotify дал возможность выявить несколько ключевых тенденций:
1. Наибольшие пики танцевальности треков наблюдаются в периоды популярности поп, диско и электронной музыки, а минимальные значения характерны для эпох с преобладанием медленных или инструментальных жанров.
2. Доля акустической музыки уменьшается к 1990 годам, что подтверждает тренд на цифровую обработку и электронные инструменты.
3. Средняя энергия треков демонстрирует плавный рост из десятилетия в десятилетие, с пиками в периоды популяризации рок, поп и электронной музыки. Минимальные значения характерны для эпох с преобладанием спокойных жанров
4. Средний речитатив треков изменяется между десятилетиями: одни периоды характеризуются более вокальной музыкой, другие преимущественно инструментальной, но в 1920 он достиг пика популярности и больше к этому не вернулся.
Описание применения генеративных моделей
Chat GPT — запрос на улучшение качества кодов, вопросы по внедрению различных функций.
