Концепция
Музыкальные стриминговые сервисы ежедневно формируют огромные массивы данных о современной музыке и пользовательских предпочтениях. Меня заинтересовало, существуют ли закономерности между популярностью треков, их жанрами и аудиохарактеристиками.
Для исследования был использован открытый датасет Spotify Tracks Dataset, содержащий информацию о более чем 114 тысячах треков и их параметрах: danceability, energy, tempo, popularity и другими аудиометриками.
Цель проекта — визуализировать взаимосвязи между музыкальными жанрами, популярностью и аудиохарактеристиками треков, а также показать особенности современной цифровой музыкальной культуры.
Практическая ценность проекта заключается в переводе большого объёма музыкальных данных в понятную визуальную систему, позволяющую исследовать паттерны современной музыки и различия между жанрами.
Процесс создания
На первом этапе был исследован датасет и выбраны ключевые показатели для анализа: популярность треков, danceability, tempo, energy, loudness и жанровые различия. Для поиска структуры визуализации и помощи в написании Python-кода для обработки данных и построения графиков дополнительно использовался ChatGPT.
Далее датасет был загружен в Google Colab, где с помощью Python были построены основные визуализации и экспортированы в формате SVG. Для анализа данных использовались библиотеки Pandas, Matplotlib и Seaborn.
После этого графики были доработаны и собраны в единую визуальную систему в Figma.
Основой визуального оформления стала тёмная палитра с яркими неоновыми акцентами, вдохновлённая эстетикой Spotify Wrapped и современными digital-интерфейсами музыкальных платформ.
Постер / Макет постера.
Инфографика
Top Genres
Горизонтальная диаграмма показывает наиболее популярные музыкальные жанры и распределение треков внутри датасета.
Audio Feature Correlations
Корреляционная матрица визуализирует взаимосвязи между аудиохарактеристиками треков, включая danceability, energy, loudness и popularity.
Danceability vs Popularity
Scatter plot демонстрирует зависимость между танцевальностью треков и их популярностью, а также распределение energy внутри выборки.
Tempo Distribution by Genre
Violin plot показывает распределение темпа (BPM) внутри различных музыкальных жанров и визуализирует различия ритмических характеристик.
KPI-блоки
Верхняя часть постера содержит ключевые показатели датасета: общее количество треков, среднюю популярность, средний уровень danceability и средний BPM.
Визуализация постера в среде
Заключение
Исследование показывает, что между аудиохарактеристиками треков и их популярностью существуют заметные взаимосвязи. Наиболее популярные треки обладают более высокими показателями danceability и energy, а жанровые группы формируют устойчивые ритмические и звуковые паттерны.
Инфографика объединяет несколько аналитических блоков в единую визуальную систему и демонстрирует, каким образом музыкальные данные могут использоваться для исследования современной цифровой музыкальной культуры.
Исходные данные
Для исследования использовался открытый набор данных Spotify Tracks Dataset.
Источник: https://www.kaggle.com/datasets/maharshipandya/-spotify-tracks-dataset
