анализ музыкального профиля Marilyn Manson

Marilyn Manson — американский рок-музыкант, артист альтернативной сцены и фронтмен группы, названной его именем. Его творчество часто связывают с индустриальным и альтернативным роком: жёсткие гитарные рифы, электронные текстуры, агрессивные вокальные манеры и провокационная эстетика.

В своём проекте я решила проанализировать его музыку с точки зрения данных. Мне было интересно посмотреть, как его треки распределяются по ключевым музыкальным параметрам, таким как энергия, эмоциональный окрас, темп и громкость.

Для исследования я взяла открытый датасет с аудиохарактеристиками треков из Spotify. В нём содержались названия песен, исполнители, жанры, популярность и целый набор параметров.

Датасет скачан в формате CSV, и я загрузила его в среду python через pandas. Далее была выполнена фильтрация по исполнителю, удаление дубликатов треков, выбор релевантных признаков и расчёт показателей, таких как средние значения, сортировка, группировка.

В проекте были использованы следующие виды графиков: — круговая диаграмма — гистограмма — столбчатая диаграмма — радарная диаграмма — точечная диаграмма

В ходе работы я пользовалась ChatGPT как вспомогательным инструментом для анализа данных и формулирования аналитических выводов на основе полученных результатов, а также для оптимизирования редактирования.

импортирую библиотеки и анализирую датасет

В результате я проанализировала музыкальные характеристики треков Marilyn Manson на основе данных spotify и рассмотрела их в контексте жанра alternative. Работа позволила посмотреть на творчество артиста не только с точки зрения образа и звучания, но и через набор количественных музыкальных параметров.

Сравнение с усреднёнными показателями жанра Alternative показало, что Marilyn Manson во многом выделяется внутри жанра. Его треки в среднем более энергичные, менее позитивные по настроению и отличаются характерным балансом между агрессией и ритмом. Визуальный формат анализа помог наглядно показать различия и особенности, которые сложно уловить при обычном прослушивании музыки. Разные типы графиков позволили рассмотреть данные под разными углами.

Так проект стал исследованием музыкального портрета артиста и показал, как инструменты анализа данных могут использоваться для изучения культуры и музыки.

В ходе работы я использовала две генеративные модели: — Chat GPT (для анализа данных, формулирования аналитических выводов, оптимизирования редактирования) — Adobe Color (генерация цветовой палитры)