ТОП ЛИСТ ПЕСЕН В SPOTIFY
Концепция
С раннего детства я тесно была связана с музыкой. Восемь лет музыкальной школы дали свои плоды: сейчас я слушаю музыку постоянно. И, конечно, это не столь вязано с моим прошлых, сколь c тенденциями современного общества уходить от реальности благодаря ритмичной мелодии из наушников.
Мой вкус довольно специфичен, и не всегда я могу найти человека, который слушает моего любимого исполнителя. Все они — «локальные звезды».
Но несмотря на свою отчужденность от популярных поп исполнителей, мне захотелось понять, что попадает в топ чарты всемирно известных приложений для прослушивания музыки. Так, мой выбор пал на Spotify — очень популярную платформу во всем мире.
Итак, на платформе Kaggle я нашла датасет Top_spotify_songs, который идеально подходил для проектного анализа и утолял мой личный интерес к «жизни» музыкальной культуры. Датасет содержит ежедневные топ-50 песен на Spotify. Данные обновляются ежедневно и включают в себя различные функции, такие как длительность песни, сведения об исполнителе, информацию об альбоме и популярность песни.
При анализе информации были созданы несколько видов графиков и диаграмм:
— Столбчатая диаграмма — Гексагональная диаграмма — Круговая диаграмма — Диаграмма рассеяния — Пузырчатая 3D диаграмма — Корреляционная матрица
Этапы работы
В первую очередь мне было необходимо сделать несколько вещей: первое — создать яркую обложку, второе — подобрать стиль для диаграмм (шрифт и цветовую палитру).
Так, обложка проекта была сгенерирована в Ideogram с помощью очень простого промта: «A photo of a diverse crowd of people enjoying music through headphones in a lively urban setting. There are individuals of different ages and backgrounds, each with their own musical experience. Some are walking, while others are standing still. There are various poses and expressions of enjoyment, with colorful clothing. The atmosphere is vibrant, symbolizing a shared love for music''. // (Фотография группы людей, наслаждающихся музыкой в наушниках в оживленном городском окружении. Здесь представлены люди разного возраста и происхождения, каждый со своим музыкальным опытом. Некоторые из них прогуливаются, в то время как другие стоят на месте. На фотографиях представлены различные позы и выражения удовольствия в яркой одежде. Здесь царит яркая атмосфера, символизирующая общую любовь к музыке)
Для создания цветовой палитры диаграмм я обратилась к chat GPT. Так выглядел мой запрос: «Необходимо подобрать 5 цветов, которые бы подходили к основному цвету приложения Spotify. Нужно отметить, что данная цветовая палитра будет использоваться в графиках и диаграммах».
Ответ нейросети был следующий: Вот пять цветов, которые будут хорошо смотреться в диаграммах вместе с основным цветом приложения Spotify (яркий зеленый):
1. Ярко-зеленый — #1DDA63 2. Оранжевый — #FF9800 3. Красный — #F44336 4. Светло-голубой — #03A9F4 5. Фиолетовый — #9C27B0
Эти цвета, по мнению chat GPT, создадут контраст и уверенно выделятся на фоне зеленого, что сделает диаграммы более читабельными. К тому же яркость и контрастность цветовой палитры тесно взаимодействует к идеей о поп-культуре и музыкальной индустрии.
Выбор шрифтового решения для подписей диаграмм был продиктован цветом. Поскольку основная палитра включает в себя яркие и акцентные цвета, мной было принято решение взять красивый шрифт Racama. Минималистичный и простой, он идеально подходит для визуализации данных.
Визуализация данных
// Гексагональная карта
[Пояснение]
Код создает гексагональную карту (hexbin plot) для визуализации зависимости между двумя переменными: danceability (танцевальность) и energy (энергичность).
Много точек в одной области — много песен имеют схожий уровень danceability и energy. Яркие участки — наиболее популярные сочетания характеристик. Точки распределены равномерно — широкий разброс жанров и стилей.
Гексагональная карта выявляет сильную кластеризацию данных в области высокой танцевальности и низкой энергичность.
// Корреляционная матрица
[Пояснение]
Код создает тепловую карту (heatmap) корреляционной матрицы для выбранных аудиохарактеристик треков.
Матрица корреляции показывает, какие характеристики треков связаны друг с другом: чем больше значение, тем больше связь характеристик (значения от -1 до 1)
Сильная отрицательная корреляция (-0.53) между «Энергичность» и «Акустичность»: электронная музыка (высокая энергичность) редко бывает акустической.
Умеренная положительная связь (0.42) между «Танцевальность» и «Позитивность»: танцевальные треки чаще ассоциируются с позитивным настроением.
Слабая связь у «Темпа» с другими характеристиками: темп не сильно влияет на остальные параметры.
// Столбчатая диаграмма
[Пояснение]
Код создает простую и визуально понятную столбчатую диаграмму (bar plot), которая показывает среднюю популярность треков по странам.
Топ-15 стран отобраны по убыванию средней популярности треков.
Здесь, можно сказать, довольно интересные результаты. Так, первая тройка лидеров — Австралия, Объединённые Арабские Эмираты и Канада. Удивительно, что США лишь на четвертом месте.
Видно, что популярность песен в первых 15 странах имеют почти одинаковое значение.
// Диаграмма рассеяния
[Пояснение]
Код создает scatter plot (диаграмму рассеяния), которая визуализирует зависимость между темпом (tempo) и позитивностью (valence) треков, а также использует цвет для отображения уровня энергичности (energy).
// Пузырчатая 3D диаграмма
[Пояснение]
Благодаря диаграмме можно увидеть, как связаны loudness, energy и popularity. Цвет указывает на valence (эмоциональную окраску), а размер пузыря — danceability, насколько трек танцевальный.
// Круговая диаграмма
[Пояснение]
Код создает круговую диаграмму, в которой отображается распределение средних значений характеристик в виде секторов: энергичность (зеленый); танцевальность (оранжевый); позитивность (красный); акустичность (синий); разговорность (фиолетовый).
Диаграмма ярко демонстрирует следующую тенденцию: общество волнует больше яркий танцевальный ритм и биты, нежели, например, «разговорность». Получается, что стержень музыки — текст является не самым важным.
// График распределения танцевальности
[Пояснение]
Код создает гистограмму с ядерной оценкой плотности (KDE) для визуализации распределения танцевальности треков.
Там указаны оси: по вертикали — частота с значениями до 175000, по горизонтали — танцевальность от 0.0 до 1.0.
Заключение
Рассмотренные диаграммы и графики показали, что танцевальность — важный аспект в музыке для общества. Энергичные и веселые песни попадают в топы по всему миру. Возможно, это связано с желанием оградить себя от бремени реальной жизни и погрузиться в веселый и танцевальный мир популярной музыки.
Описание применения генеративной модели
Ideogram: Генерация изображений для обложки и цветовой палитры проекта в виде Spotify.
Chat GPT: Генерация цветовой палитры и улучшение кода для более успешной визуальной реализации графиков и диаграмм; улучшение качества диаграмм и графиков для лучшей читаемости.
Adobe Photoshop: Наложение графика на сгенерированную картинку в ideagram.
