文末有福利领取哦~
👉一、Python所有方向的学习路线
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
👉二、Python必备开发工具
👉三、Python视频合集
观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
👉 四、实战案例
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。(文末领读者福利)
👉五、Python练习题
检查学习结果。
👉六、面试资料
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
👉因篇幅有限,仅展示部分资料,这份完整版的Python全套学习资料已经上传
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
**写在前面:**圣诞刚过,弥留者节日气息的大家是否还在继续学习呐~在匆忙之际也不忘给自己找几首好听的歌曲放松一下,缠绕着音乐一起来看看关于2019年流行音乐趋势是如何用Python分析的吧!
昨天下午没事儿,随便听了下音乐,结果搜到了一份数据比较好玩,所以拿了来做个数据分享案例。
这份数据是由国外比较火的音乐软件spotify提供的,很有代表意义。
不过涉及到的指标都比较专业,我不是太懂,只能根据自己的理解去做分析,有懂音乐的朋友可以提出专业的看法。
这次的数据分析工具是Python,当然如果你Python不是很熟,用tableau也是可以的,做出的图还会更好看。
一、数据准备
1、导入数据
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from pyecharts import Bar,WordCloud,Pie,Line
%matplotlib inline
%config InlineBackend.figure_format = ‘svg’
df=pd.read_excel(r’C:\Users\Administrator\Desktop\top50.xlsx’)
df.head()
这些代码都是不需要思考的,只要打开Python做数据分析,你首先就写好,或者直接复制就行,我都是把常用代码保存好,要用的时候就调出来用,这样省时间。
列的名称都是英语,我借助了百度做了下翻译:
-
Track.Name-曲目;
-
Artist.Name-歌手;
-
Genre - 类型
-
Beats Per Minute (BPM) - 每分钟节拍,也就是节奏.
-
Energy - 能量 - 分数越高,代表能量就越大;
-
Danceability - 舞蹈性-分数越高,代表你越容易因歌而舞;
-
Loudness (dB) - 分贝-值越大,说明歌曲越响亮,反之则低沉;
-
Liveness -现场性-值越大,歌曲越有可能是现场录音的;
-
Valence - 情绪-值越大,情绪越激昂,反之越消沉;
-
lentgh-时长;
-
Acousticness -音质;.
-
Speechiness -语言-值越大,说明口语化程度越高;
-
Popularity -火热程度。
2、数据列的名称更改
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from pyecharts import Bar,WordCloud,Pie,Line
%matplotlib inline
%config InlineBackend.figure_format = ‘svg’
df=pd.read_excel(r’C:\Users\Administrator\Desktop\top50.xlsx’)
df=df.rename(columns={‘Track.Name’:‘曲名’, ‘Artist.Name’:‘歌手’, ‘Genre’:‘类型’, ‘Beats.Per.Minute’:‘节奏’, ‘Energy’:‘能量’,
‘Danceability’:‘舞蹈性’, ‘Loudness…dB…’:‘分贝’,‘Liveness’:‘现场感’, ‘Length.’:‘时长’,‘Speechiness’:‘语言’, ‘Popularity’:‘火热程度’})
df.head(10)
看英语的总是不习惯,所以我们可以把英语的列名改为中文。
二、数据分析
1、2019全球最流行的音乐类型排行
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from pyecharts import Bar,WordCloud,Pie,Line
%matplotlib inline
%config InlineBackend.figure_format = ‘svg’
df=pd.read_excel(r’C:\Users\Administrator\Desktop\top50.xlsx’)
df=df.rename(columns={‘Track.Name’:‘曲名’, ‘Artist.Name’:‘歌手’, ‘Genre’:‘类型’, ‘Beats.Per.Minute’:‘音调’, ‘Energy’:‘能量’,
‘Danceability’:‘舞蹈性’, ‘Loudness…dB…’:‘分贝’,‘Liveness’:‘现场感’, ‘Length.’:‘时长’,‘Speechiness’:‘语言’, ‘Popularity’:‘火热程度’})
df=df.groupby(‘类型’)[‘曲名’].count().reset_index()
df=df.sort_values(by=‘曲名’,ascending=False).reset_index()
cloud=WordCloud(title=‘2019最流行的音乐类型’,width=800,height=420)
cloud.add(name=‘音乐类型’,attr=df[‘类型’],value=df[‘曲名’],word_size_range=(12,60))
cloud.render(‘2019全球最流行的音乐类型.html’)
cloud
从词云图可以看到,2019年全球最火的还是流行音乐(pop&dance pop)。鉴于其他类型的音乐我都不认识,所以下面的分析,我会直接对pop&dance pop作为主要对象,把他们归为一类。
2、2019年全球流行音乐排行
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from pyecharts import Bar,WordCloud,Pie,Line
%matplotlib inline
%config InlineBackend.figure_format = ‘svg’
df=pd.read_excel(r’C:\Users\Administrator\Desktop\top50.xlsx’)
df=df.rename(columns={‘Track.Name’:‘曲名’, ‘Artist.Name’:‘歌手’, ‘Genre’:‘类型’, ‘Beats.Per.Minute’:‘音调’, ‘Energy’:‘能量’,
‘Danceability’:‘舞蹈性’, ‘Loudness…dB…’:‘分贝’,‘Liveness’:‘现场感’, ‘Length.’:‘时长’,‘Speechiness’:‘语言’, ‘Popularity’:‘火热程度’})
df=df.replace(‘dance pop’,‘pop’)
df=df[df[‘类型’]==‘pop’].reset_index().drop(‘index’,axis=1)
df
通过上述代码,我已经把dance pop的类型全部换成pop。
#接上面的代码
df=df.replace(‘dance pop’,‘pop’)
df=df[df[‘类型’]==‘pop’].reset_index().drop(‘index’,axis=1)
df.pivot_table(df,index=‘曲名’).sort_values(by=‘火热程度’,ascending=False).reset_index()
How Do You Sleep?
这是全球最流行的15首流行歌曲。
结合前面的图我们可以知道:这些流行歌曲的口语化程度低,歌词普遍比较优美,有意境;同时时长恰当,多在3分钟左右…
3、根据流行程度对歌曲进行分类颁奖
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from pyecharts import Bar,WordCloud,Pie,Line
%matplotlib inline
%config InlineBackend.figure_format = ‘svg’
df=pd.read_excel(r’C:\Users\Administrator\Desktop\top50.xlsx’)
df=df.rename(columns={‘Track.Name’:‘曲名’, ‘Artist.Name’:‘歌手’, ‘Genre’:‘类型’, ‘Beats.Per.Minute’:‘音调’, ‘Energy’:‘能量’,
‘Danceability’:‘舞蹈性’, ‘Loudness…dB…’:‘分贝’,‘Liveness’:‘现场感’, ‘Length.’:‘时长’,‘Speechiness’:‘语言’, ‘Popularity’:‘火热程度’})
df=df.replace(‘dance pop’,‘pop’)
df=df[df[‘类型’]==‘pop’].reset_index().drop(‘index’,axis=1)
df=df.pivot_table(‘火热程度’,index=‘曲名’).sort_values(by=‘火热程度’,ascending=False).reset_index()
def grade(火热程度):
if(火热程度>=90):
return ‘年度最热’
if(火热程度>=85):
return ‘年度火热’
else:
return ‘年度流行’
df[‘授予荣誉’] = df.apply(lambda x :grade(x[‘火热程度’]), axis=1)
df
我们知道,很多媒体都喜欢搞排行榜,而且喜欢给歌曲颁奖,这些颁奖一般会根据几个标准进行打分,算出综合排名。不过这个比较复杂,这里只根据流行程度颁奖,大于90分的就是年度最热;85-89的是年度火热;84以下的就是年度流行。这个实现代码很简单,做出分类,再给数据加一列,命名为“授予荣誉”即可。
#接上面的代码
plt.rcParams[‘font.sans-serif’]=[‘SimHei’]
plt.figure(figsize=(8,4))
sns.countplot(x=“授予荣誉”,data=df, order=[‘年度最热’,‘年度火热’,‘年度流行’],palette=“muted”)
plt.title(‘2019年全球流行音乐荣誉’,loc=‘left’,size=15)
plt.xlabel(‘授予荣誉’,size=15)
plt.ylabel(‘数量’,size=15)
plt.grid(False)
一、Python所有方向的学习路线
Python所有方向路线就是把Python常用的技术点做整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
二、学习软件
工欲善其事必先利其器。学习Python常用的开发软件都在这里了,给大家节省了很多时间。
三、入门学习视频
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!