你知道如何建立代码和歌曲之间的关系吗？

每到年底，都有很多同学在各种社交平台晒出自己的年度报告，听了多少歌、什么时段听....

在大数据面前，每个人都成了透明人一样。虽然可怕，但是也已经习以为常。

大多数歌曲爱好者在Spotify上听歌，它是最受欢迎的歌曲流媒体平台之一。

如果你是一个程序员，那么你知道如何建立代码和歌曲之间的关系吗？

今天，就来给大家介绍一下。

编码和分析

导入下列工具包：

#for mathematical computation
import numpy as np
import pandas as pd
import scipy.stats as stats

#for data visualization
import seaborn as sns
import matplotlib.pyplot as plt
from matplotlib.pyplot import figure
import plotly 
import plotly.express as px
% matplotlib inline

让我们加载数据看一下。

下载数据集并将其添加到路径中，然后，读取数据集的前5个数据：

df = pd.read_csv("/content/spotify_dataset.csv", encoding='latin-1')
df.head()

现在运行这段代码，你会在屏幕上看到类似下图这样：

读取数据更多信息：

#data info
df.info()
#Check missing values
df.isnull().sum()

看看每一列中的空值。我们很幸运，在我们的数据集中没有空值。

之后，用每一列属性的类型来获取我们的数据集的更多信息：

​

歌手上榜次数

#number of times charted by artist
df_numbercharted=df.groupby('Artist').sum().sort_values('Number of Times Charted', ascending=False)
df_numbercharted=df_numbercharted.reset_index()
df_numbercharted

对于这一点，我们取一个歌手，将其上榜次数相加，并将每个人按降序排列：

px.bar(x='Artist', y='Number of Times Charted', data_frame=df_numbercharted.head(7), title="Top 7 Artists with Highes Number of Times Charted")

​

 当你运行代码时，你会看到类似上面的图片。

Billie Elish在上榜次数最多的名单中名列前茅。上面的柱状图只有前7名歌手，你可以查看前10名或更多艺术家的情况，只要试着玩玩代码就可以了。

最近我花费了几天的时间，整理了1份理论+实践的Python入门进阶教程，这或许是你见过非常好的一份学习资料之一。独家打造、完全免费，需要的同学可以关注gzh【Python编程学习圈】，发送“学习资料”获取~

列之间的相关性

让我们看看各列之间的相关性，并检查我们是否能发现任何有趣的东西。

为此，让我们首先清理我们拥有的数据。之后，将所有的列转换为数字。

#clean data first
df=df.fillna('')
df=df.replace(' ', '')
df['Streams']=df['Streams'].str.replace(',','')
#convet all numeric columns to numeric
df[['Highest Charting Position', 'Number of Times Charted', 'Streams', 'Popularity', 'Danceability', 'Energy', 'Loudness', 'Speechiness',
       'Acousticness', 'Liveness', 'Tempo', 'Duration (ms)', 'Valence',
       ]] = df[['Highest Charting Position', 'Number of Times Charted', 'Streams','Popularity', 'Danceability', 'Energy', 'Loudness', 'Speechiness',
       'Acousticness', 'Liveness', 'Tempo', 'Duration (ms)', 'Valence',
       ]].apply(pd.to_numeric)

让我们也把年份从 "发布日期 "这一栏中分离出来，以便能够分析其相关性：

df['Release Year'] = pd.DatetimeIndex(df['Release Date']).year

现在，绘制热力图：

%matplotlib inline
f,ax = plt.subplots(figsize=(14,10))
sns.heatmap(df.corr(),annot = True,fmt = ".1f",ax = ax)
plt.show()

​

我们都知道，原声音乐往往是安静的，需要仔细聆听。

这就是为什么它与能量和响度呈负相关的原因，这很有意义。

现在，在代码中，"annot"被用来显示立方体中的数字。"fmt"用于数字，如果你设置fmt="0.2%"，那么在立方体中数字将以百分比的形式出现，并有2位小数。

很明显，我们不希望这样，因为它使可读性变得模糊。

舞蹈性

px.line(x='Release Year', y='Danceability', data_frame=df, title="Danceability over the course of the Year")

现在，看看这些年来舞蹈性是如何变化的。

当你执行上面代码时，你会在图示看到这样的东西。

​

20位最受欢迎的歌手

artistbypop = df.groupby('Artist').sum().sort_values('Popularity' ,ascending=False)[:20]
artistbypop=artistbypop.reset_index()
#plot the graph
px.bar(x='Artist', y='Popularity', data_frame=artistbypop)

在这里，我根据受欢迎程度对艺术家进行排序。Taylor Swift位居榜首，其次是Juice WRLD和其他人。

​

最受欢迎的流派

df['Genre']=df['Genre'].astype(str)
df["Genre"][df["Genre"] == "[]"] = np.nan
df["Genre"] = df["Genre"].fillna(0)
#here we get rid of useless symbols to be able to separate genres
df.Genre=df.Genre.str.replace("[", "")
df.Genre=df.Genre.str.replace("]", "")
df.Genre=df.Genre.str.replace("'", "")
#now we devide genre strings by comma
df["Genre"] = df["Genre"].str.split(",")

df=df.explode('Genre')
df

首先，我们去掉无用的符号，以便能够分开流派。

之后，用逗号划分流派字符串。

下一个命令是根据流派来分离行，每首有多于一个流派的歌曲将有多行，每行有一个流派。

例如，如果一首歌曲有2个流派，那么同一首歌将有2行，每行有不同的流派。

现在简单地绘制30种最受欢迎的流派的饼图：

fig = plt.figure(figsize = (10, 10))
ax = fig.subplots()
df.Genre.value_counts()[:30].plot(ax=ax, kind = "pie")
ax.set_ylabel("")
ax.set_title("Top 30 most popular genres")
plt.show()

​

好了，就这样吧。到这里，已经分析了Spotify的数据集。

你可以自己去挖掘更多自己感兴趣，或者对自己有价值的信息。