Анализ дискографии The Weeknd на основе данных Spotify

Меня интересует современная популярная музыка, в частности то, как формируется успех артистов на стриминговых платформах, какие музыкальные характеристики чаще встречаются в популярных треках и как со временем меняется звучание исполнителей. Одним из самых влиятельных стриминговых сервисов на сегодняшний день является платформа Spotify, которая не только отражает вкусы слушателей, но и во многом формирует музыкальные тренды.

В рамках данного проекта я решила сосредоточиться на анализе дискографии одного конкретного артиста — The Weeknd, творчество которого я очень люблю. Его музыка вдохновляет меня и при этом обладает высокой популярностью и интересными музыкальными характеристиками, что делает её идеальным объектом для анализа. Его карьера охватывает длительный период времени, включает несколько альбомов с различным звучанием и отличается стабильно высокой популярностью. Такой фокус позволяет более детально изучить эволюцию музыкального стиля исполнителя и выявить возможные закономерности между музыкальными характеристиками треков и их популярностью.

Для анализа был использован датасет, найденный на платформе Kaggle, содержащий информацию о треках The Weeknd на Spotify. Данные представлены в табличном формате CSV и включают названия треков, альбомы, год выхода, показатели популярности, а также различные аудиохарактеристики, такие как энергичность (energy), танцевальность (danceability), темп (tempo), эмоциональная окраска (valence) и музыкальный лад (mode).

Мне показалось интересным проанализировать соотношения между треками по различным признакам, проследить изменения музыкальных характеристик со временем, а также понять, какие параметры могут быть связаны с более высокой популярностью композиций. Для визуализации данных были использованы столбчатые диаграммы, график рассеяния, линейный график и круговая диаграмма.

Для анализа использовался датасет с платформы Kaggle. В нем собраны данные обо всех треках The Weeknd на Spotify: названия композиций, альбомы, год выхода, популярность (popularity), аудиохарактеристики (energy, danceability, tempo, valence, mode) и другие параметры.

Данные в формате CSV удобны для обработки с помощью Pandas, а их структурированность позволяет легко строить различные визуализации и проводить статистический анализ.

1. ЗАГРУЗКА БИБЛИОТЕК И ДАННЫХ import os import pandas as pd import matplotlib.pyplot as plt from matplotlib import rcParams from matplotlib import font_manager as fm from ast import literal_eval import matplotlib.cm as cm import matplotlib.pyplot as plt import numpy as np from matplotlib.collections import LineCollection from matplotlib.colors import LinearSegmentedColormap import numpy as np import seaborn as sns

Палитра отбиралась из обложки.

Я анализировала жанровую принадлежность треков The Weeknd на Spotify. Сначала я привела все названия столбцов к нижнему регистру для удобства. Затем я отфильтровала строки, где артист — The Weeknd, и проверила, сколько таких треков есть.

Далее я работала с жанрами: удалила пустые значения, разделила несколько жанров, если они указаны через запятую, и «развернула» список так, чтобы каждый жанр был отдельной строкой. После этого я очистила пробелы вокруг названий и посчитала, какие жанры встречаются чаще всего, выделив топ-5.

Я анализировала самые популярные треки The Weeknd на Spotify. Сначала я отфильтровала данные, оставив только треки этого артиста. Затем я отсортировала их по популярности и выбрала топ-20.

Для визуализации я использовала горизонтальную столбчатую диаграмму, где каждому треку присвоен цвет из палитры топ-5 жанров. Я добавила подписи значений рядом с барами, чтобы было видно точное значение популярности.

Диаграмма отображает треки в порядке убывания популярности, с самым популярным треком сверху, а сетка и полупрозрачные рамки помогают лучше воспринимать данные. В результате получилась наглядная визуализация ТОП-20 самых популярных песен The Weeknd.

Я анализировала популярность альбомов The Weeknd на Spotify. Сначала я отфильтровала данные, оставив только треки этого артиста. Затем я сгруппировала треки по альбомам и рассчитала среднюю популярность каждого альбома, после чего отсортировала результат по возрастанию популярности.

Далее я подготовила данные для построения линейного графика: создала координаты по оси X и значения популярности по оси Y. Чтобы линия графика выглядела красиво с градиентом, я разбила её на сегменты и использовала объект LineCollection, который позволяет линии плавно менять цвет от тёмно-красного (

9F0001) к голубому (

Наконец, я построила график, добавила градиентную линию, подписала альбомы на оси X, задала подписи осей и заголовок, включила сетку и аккуратно подогнала макет. В результате получилась визуализация, на которой видно, как меняется средняя популярность альбомов The Weeknd, с эффектным градиентным переходом цвета по линии.

Я анализировала среднюю популярность альбомов The Weeknd на Spotify. Сначала я подготовила цвета из топ-5 жанров и распределила их циклично по всем альбомам, чтобы каждая точка на графике имела свой цвет.

Для визуализации я использовала горизонтальный scatter-график, где каждая точка представляет альбом, её позиция по оси X соответствует средней популярности, а цвет показывает принадлежность к условной цветовой палитре. Я добавила подписи значений рядом с точками, чтобы сразу было видно точное значение популярности.