Original size 1140x1600

Как менялась популярность жанров музыки на Spotify (2010–2023)

PROTECT STATUS: not protected
The project is taking part in the competition

Исследовательский вопрос:

Как менялась популярность музыкальных жанров со временем и какие характеристики музыки с этим связаны?

Концепция

Проект посвящён анализу изменений музыкальных предпочтений пользователей стримингового сервиса Spotify за последние годы. Музыка является важной частью повседневной культуры и напрямую отражает социальные, технологические и эстетические сдвиги в обществе. С развитием стриминговых платформ стало возможным количественно анализировать музыкальные тренды и выявлять закономерности в популярности жанров и отдельных характеристик треков.

Цель проекта

Целью проекта является исследование динамики популярности музыкальных жанров во времени и выявление факторов, которые могут быть связаны с ростом или снижением популярности музыкальных композиций.

Цветовая палитра проекта Название палитры Midnight Spectrum Идея — сочетание тёмного аналитического фона и ярких, но контролируемых акцентных цветов, отсылающих к музыкальным волнам и цифровой среде стриминговых сервисов.

Типы диаграмм

Линейная диаграмма (Line Chart)

Изменение средней популярности музыкальных жанров по годам. Используется для демонстрации того, как менялась популярность ключевых жанров Spotify с 2010 по 2023 год.

Столбчатая диаграмма (Bar Chart)

Позволяет определить, какие жанры в среднем наиболее популярны среди пользователей Spotify.

Гистограмма (Histogram)

Используется для анализа общей структуры популярности музыки на платформе.

Линейная диаграмма (Line Chart)

Original size 1536x1024

код top_genres = df['genre'].value_counts ().head (5).index

genre_year = ( df[df['genre'].isin (top_genres)] .groupby (['year', 'genre'])['popularity'] .mean () .reset_index ()

plt.figure (figsize=(12, 6))

for genre in top_genres: data = genre_year[genre_year['genre'] == genre] plt.plot ( data['year'], data['popularity'], label=genre, linewidth=2 )

plt.title («Динамика популярности музыкальных жанров (2010–2023)») plt.xlabel («Год») plt.ylabel («Средняя популярность») plt.legend () plt.show ()

Линейная диаграмма показывает, что в период с 2010 по 2023 год популярность всех рассматриваемых музыкальных жанров в целом возрастала, однако темпы роста различаются. Жанр pop демонстрирует наиболее устойчивый и высокий рост, сохраняя лидерство на протяжении всего периода. Hip hop также показывает стабильное увеличение популярности, особенно заметное после 2015 года. Жанры dance и rap растут более умеренно, но сохраняют положительную динамику. Rock характеризуется наименьшими темпами роста и остаётся на относительно стабильном уровне по сравнению с другими жанрами. В целом диаграмма отражает смещение музыкальных предпочтений аудитории Spotify в сторону более современных и энергичных жанров.

Столбчатая диаграмма (Bar Chart)

Original size 1536x1024

код

Расчёт средней популярности по жанрам genre_popularity = ( df.groupby («genre»)[«popularity»] .mean () .sort_values (ascending=False) .head (10) )

plt.figure (figsize=(10, 6)) plt.bar ( genre_popularity.index, genre_popularity.values, color=»#7B61FF» )

plt.title («Средняя популярность музыкальных жанров на Spotify (2010–2023)») plt.xlabel («Жанр») plt.ylabel («Средняя популярность») plt.xticks (rotation=45) plt.show ()

Столбчатая диаграмма показывает, что жанр pop имеет наивысший средний уровень популярности на Spotify в период с 2010 по 2023 год. На втором и третьем местах находятся hip hop и dance, что указывает на устойчивый интерес аудитории к современным и ритмичным музыкальным направлениям. Жанры rap и rock занимают средние позиции, демонстрируя стабильную, но менее выраженную популярность. Наименьшие средние значения наблюдаются у жанров R& B, indie и country, что говорит о более нишевом характере этих направлений в рамках глобальной аудитории Spotify. В целом диаграмма подчёркивает доминирование массовых жанров и различия в предпочтениях слушателей в зависимости от музыкального стиля.

Гистограмма (Histogram)

Original size 1536x1024

код plt.figure (figsize=(10, 6))

plt.hist ( df[«popularity»], bins=30, color=»#4CC9F0», edgecolor=»#0E0E11» )

plt.title («Распределение популярности музыкальных треков на Spotify (2010–2023)») plt.xlabel («Популярность») plt.ylabel («Количество треков») plt.show ()

Гистограмма показывает, что большинство музыкальных треков на Spotify имеет низкий и средний уровень популярности, с наибольшей концентрацией значений в диапазоне примерно от 20 до 40. По мере роста популярности количество треков значительно уменьшается, что указывает на асимметричное распределение с правым хвостом: лишь небольшая часть композиций достигает очень высоких показателей популярности. Таким образом, успех на платформе распределён неравномерно — массовая аудитория сосредоточена вокруг ограниченного числа хитов, тогда как основная часть каталога остаётся менее заметной.

Заключение

В рамках проекта был проведён анализ музыкальных данных платформы Spotify за период с 2010 по 2023 год с использованием библиотеки Pandas и инструментов визуализации в Python. Целью исследования было выявление ключевых тенденций в изменении музыкальных предпочтений аудитории. Анализ временных рядов показал устойчивый рост популярности современных жанров, прежде всего pop и hip hop, тогда как такие жанры, как rock, демонстрируют более стабильную и сдержанную динамику. Столбчатая диаграмма позволила зафиксировать обобщённые различия между жанрами и подтвердить их иерархию по средней популярности. Гистограмма распределения популярности выявила выраженную неравномерность: подавляющее большинство треков имеет средний или низкий уровень популярности, в то время как лишь небольшая доля композиций достигает высоких значений. Это подчёркивает эффект концентрации внимания аудитории вокруг ограниченного числа хитов. В совокупности полученные визуализации демонстрируют, что музыкальные предпочтения на Spotify формируются под влиянием массовых жанров и алгоритмических рекомендаций, а успех треков носит распределённый и конкурентный характер. Проект показал, как методы анализа данных и визуализации могут быть использованы для изучения культурных и медиа-трендов.

We use cookies to improve the operation of the website and to enhance its usability. More detailed information on the use of cookies can be fo...
Show more