hello，大家好，我是Jackpop。
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。
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。
