BTS Data Story

Для анализа я выбрал датасет «BTS 147 Songs Audio Features (Spotify)» с платформы Kaggle. Данные собраны через Spotify API в ноябре 2021 года и содержат 147 песен с 17 аудиохарактеристиками: танцевальность, энергичность, громкость, акустичность, темп, валентность и другие.

BTS является одним из самых влиятельных музыкальных коллективов современности, чья дискография охватывает широкий спектр жанров — от хип-хопа до поп-баллад и EDM. Анализ объективных аудиопараметров позволяет выявить неочевидные закономерности и проследить эволюцию звучания группы вне субъективных оценок.

Цель: проанализировать аудиохарактеристики песен BTS и выявить тренды в эволюции их звучания.

Задачи: — Загрузить и подготовить данные из Spotify API — Построить графики для анализа динамики характеристик — Выявить корреляции между параметрами — Сравнить треки и альбомы между собой — Оформить всё в едином фиолетовом стиле BTS — Сформулировать выводы на основе полученных данных

• Линейный график — эволюция характеристик по годам • Горизонтальная столбчатая диаграмма — топ-10 самых энергичных песен • Тепловая карта — корреляция аудиохарактеристик • Диаграмма рассеяния — танцевальность vs позитивность • Круговая диаграмма — распределение песен по альбомам • Облако слов — частотность слов в названиях песен

Цветовое решение проекта продиктовано самой темой. BTS и их фандом ARMY неразрывно связаны с фиолетовым цветом — он стал символом связи между группой и поклонниками. Фраза «I purple you» (я люблю тебя), придуманная участником V, превратила фиолетовый в цвет поддержки, доверия и единства.

Я хотела, чтобы визуальный стиль проекта отражал эту связь — фиолетовый должен был стать не просто случайным цветом, а смысловым ядром всей визуализации проекта.

На этапе разработки визуального стиля я обратилась к ChatGPT с задачей подобрать цветовую гамму для проекта. Мой промпт звучал так:

«Предложи цветовую палитру для проекта о BTS. Нужны оттенки фиолетового — от тёмного до светлого. Фон должен быть чёрным или тёмно-фиолетовым. Цвета должны ассоциироваться с группой и фандомом ARMY. Нужно 5–7 оттенков с кодами HEX.»

Я установила библиотеку kagglehub с поддержкой pandas для загрузки датасета напрямую с Kaggle, а затем импортировала все необходимые библиотеки: pandas для работы с табличными данными, numpy для математических расчётов, matplotlib и seaborn для построения графиков и тепловой карты, а также отключила предупреждения, чтобы вывод был чистым.

Я загрузила датасет с аудиохарактеристиками песен BTS напрямую с Kaggle через библиотеку kagglehub, используя адаптер для pandas, и вывела первые 5 строк, чтобы проверить, что данные загрузились корректно и посмотреть на структуру таблицы.

Я подготовила данные: добавила год релиза, перевела длительность в минуты, удалила дубликаты. Затем создала фиолетовую палитру и настроила стиль графиков под единое оформление.

Линейный график показывает, как менялись танцевальность, энергичность, позитивность и акустичность с 2013 по 2021 год.

Результат: Пик энергичности и танцевальности — 2017–2018 (эра Love Yourself). Акустичность снижается, позитивность растёт.

Также видно, что акустичность со временем снижается, а позитивность, наоборот, растёт, особенно заметный скачок произошёл в 2020 году, вероятно, под влиянием альбома BE, который группа выпустила в пандемийный период с целью поддержать слушателей.

Второй график — зависимость между танцевальностью и позитивностью. Это диаграмма рассеяния, где каждая точка представляет отдельную песню. По горизонтальной оси отложена танцевальность, по вертикальной — позитивность. Цвет точек соответствует году релиза, а размер — энергичности трека. График показал, что жёсткой зависимости между этими двумя характеристиками нет. Песни с высокой танцевальностью могут быть как позитивными, например «Boy With Luv», так и грустными или тревожными, как «Fake Love» или «Black Swan». Также заметно, что более поздние годы (2020–2021) имеют больший разброс значений, что говорит о расширении жанрового диапазона группы.

Третий график — распределение песен по альбомам. Это круговая диаграмма, которая показывает, какую долю в датасете занимает каждый альбом. Я подсчитала количество песен в каждом альбоме и визуализировала пропорции. Больше всего треков оказалось в альбомах «Love Yourself: Answer» — 20% и «BE» — 18%. Это объясняется тем, что «Answer» является компиляцией, объединяющей треки из двух предыдущих частей серии, а «BE» — полноформатным альбомом с большим количеством треков. «Love Yourself: Her» и «Map of the Soul: 7» также занимают значительную долю.