Анализ популярности песен Spotify

1. Анализ популярности песен Spotify

Now Playing
Анализ
популярности
песен
Spotify
Щербинин Александр Вячеславович

2. Проблема и актуальность

01
02
Проблема
Актуальность
Большинство артистов сталкиваются с трудностями в
продвижении своих треков из-за отсутствия аналитики,
которая могла бы показать, какие именно
характеристики музыкальных композиций
способствуют их популярности на стриминговых
платформах.
Анализ данных о музыкальных треках важен для
понимания предпочтений слушателей и повышения
популярности артистов. Это позволяет создавать
более востребованную музыку и улучшать
рекомендательные системы на стриминговых
платформах.

3. Цель и задачи

Задачи
Цель
Провести комплексный анализ датасета Spotify
Tracks с целью выявления ключевых
характеристик популярных музыкальных треков
и визуализации полученных результатов для
более глубокого понимания факторов,
влияющих на уровень их популярности среди
слушателей.
1.
2.
3.
4.
5.
Определить dataset, содержащий данные о
музыкальных треках.
Пред обработать данные (удалить пропуски,
устранить дубликаты).
Проанализировать распределение популярности
треков и выявить основные характеристики
успешных композиций.
Выявить наиболее популярные жанры музыки и их
влияние на уровень популярности треков
Создать
программу
для
визуального
представления данных с использованием Python

4. Сбор данных

Dataset
Датасет "Spotify Tracks Dataset" был получен с
платформы Kaggle. Он содержит информацию о
более чем 100 тысячах музыкальных треков. Их
жанр, исполнителя, популярность, длительность,
громкость и прочие аудио характеристики.

5. Предобработка данных

1.
2.
3.
4.
5.
Удаление лишнего столбца (Unnamed: 0).
Обработка пропущенных значений: удалены
строки с NaN.
Устранение дубликатов.
Нормализация числовых признаков с
помощью MinMaxScaler.
Приведение названий столбцов к единому
формату (нижний регистр, замена пробелов
на подчеркивания).

6. Реализация проекта

Гистограмма показывает, что большинство треков вообще не имеют популярность, но в основном песни
имеют средний уровень популярности, есть также
высоко популярные композиции.

7. Характеристики популярных песен

Было выявлено, что такие параметры, как громкость (loudness), танцевальность (danceability) и энергия (energy),
имеют наибольшее значение для популярных треков

8. Популярные жанры

На основе анализа было установлено, что самые популярные жанры — это pop, chill, sad и grunge

9. Вывод

В ходе проекта была достигнута поставленная цель — проведен анализ датасета Spotify,
выполнена предобработка данных и разработана программа для их визуализации.
С помощью графиков и диаграмм были выявлены ключевые характеристики популярных треков:
•На уровень популярности влияют такие параметры, как громкость , танцевальность и энергия .
•Среди жанров наиболее популярными оказались pop , chill , sad и grunge .
Программа автоматически обрабатывает данные и строит визуальные представления, что делает
анализ более наглядным и удобным. Полученные результаты могут быть использованы артистами
и продюсерами для создания более востребованного музыкального контента.
Достоверность результатов подтверждается корректной предобработкой
использованием проверенных библиотек Python: Pandas, Matplotlib и Seaborn.
данных
и

10.

Литература
1. Kaggle Dataset "Spotify Tracks Dataset" [Электронный ресурс]. – Режим доступа:
https://www.kaggle.com/datasets/maharshipandya/-spotify-tracks-dataset
2. Habr.
Работа
с
pandas
в
Python
[Электронный
ресурс]
–
URL:
https://habr.com/ru/companies/ruvds/articles/494720/
3. Smysl.io. Введение в работу с pandas [Электронный ресурс] – URL:
https://smysl.io/blog/pandas/