Анализ самых популярных песен на Spotify за 2023 год

Меня интересует музыка, какие артисты, песни и жанры популярны, что делает их популярными, а также другие вопросы, связанные с музыкальной индустрией. Самой крупной стриминговой площадкой на сегодняшний день является сервис Spotify. На сайте Kaggle я нашел датасет, в котором представлены 954 самых популярных трека на Spotify за 2023 год. Кроме названий и исполнителей песен датасет содержит информацию об их годе выпуска, ладе, танцевальности, скорости, энергичности и других характеристиках музыки.

Я подумал, что было бы интересно посмотреть на различные фильтрации, соотношения между треками по разным признакам, изменения в зависимости от времени выхода. Данные были визуализированы в виде столбчатой диаграммы, графика рассеяния, линейного графика и круговой диаграммы.

Был выбран шрифт ABC Social от студии Dinamo, поскольку эта студия создала фирменный вариативный шрифт, который используется в интерфейсе Spotify. Также шрифт подходит для визуализации данных, поскольку хорошо выдерживает уменьшение, придаёт лёгкость и чистоту графикам.

Запросом в Chat GPT была сгенерирована палитра для визуализации, которая бы соответствовала фирменным цветам интерфейса Spotify.

В коде были настроены общие характеристики стиля и палитра диаграмм в библиотеках Seaborn и Matplotlib: тёмная тема из палитры, белые подписи, оси и другие элементы.

Загрузка датасета, приведение названия столбцов к общему стилю (строчные буквы и подчёркивания), очищение столбца streams от пропусков и лишних символов, преобразование его значений в числовой формат и удаление строк с некорректными или отсутствующими данными, чтобы подготовить таблицу к дальнейшему анализу.

С помощью кода я построил столбчатую диаграмму с данными о 10 самых популярных артистах и их суммарных стримах в миллионах прослушиваний. Сначала я агрегировал и сортировал данные, затем создал график и оформил его в заданном стиле.

График рассеяния показывает связь между двумя параметрами треков, измеряемых в процентах: энергичностью (energy_%) и танцевальностью (danceability_%). Каждая точка представляет отдельный трек, её размер и цвет отражают количество стримов: чем больше и ярче точка, тем популярнее трек.

На линейном графике можно увидеть, как меняется средний уровень энергичности треков в зависимости от месяца их выхода на площадку. Данные группируются по названиям месяцев и вычисляется среднее значение energy_%. Можно увидеть, что наиболее энергичные треки выходили в марте и августе, а менее энергичные в апреле и октябре. В целом, энергичность снижалась в течение года.

Круговая диаграмма показывает соотношение треков в датасете по ладам Major и Minor. Cначала считается количество треков каждого музыкального лада (столбец mode), затем создаётся диаграмма с подписями и процентами. Видно что мажорных треков было больше, но не намного.