BLUES吉他学习笔记001 bluesrv[1-5]

总结一下魏威blues教学前几节课的易遗忘知识点

视频在优酷[bluesrv]频道,这里插入链接会导致blog被审核。

  1. 小调五声音阶和大调五声音阶级数表示

小调五声音阶  1 b3 4 5 b7
大调五声音阶 1  2  3 5  6

这里有一点需要注意,其实Blues味道很大程度是建立在Blues音乐风格对于大小调的模糊上的,也就是说,可以通过穿插使用大调五声音阶的音来营造Blues感觉。
常用的是2,6两个音。

补充说明  个人对于Blues大小调模糊的思考
Blues和声是三个属七和弦,根音是通过级数概念计算出来的,也就是按照自然大调音阶的排列方法,计算出I IV V三个和弦的根音,和声便是I7,IV7,V7,其中I7的冠音b7不在大调五声音阶,但在小调五声音阶内;IV7的冠音b3也位于小调五声音阶;V7的冠音3音属于大调五声音阶,如此这般,所有的和弦内音便构成了一个包含大调五声音阶和小调五声音阶的混合音阶。
Blues音乐还有一个特点,在整个和声进行内不考虑具体和弦,使用五声音阶会产生独特的Blues味道,传统Blues多采用这种手法,在现代的Jazz Blues中,常常考虑具体和弦而采用不同的乐句,可以根据喜好来选择手法。

  1. 和弦变化时使用的过渡手法
    使用3音->根音的手法,可以过渡一些和弦。这里要注意,3音选择比根音高八度的那个音才好用,不然听感很差,没有Blues味道.

  2. 3音的衔接
    3音虽然是和弦内音,但是因为不属于小调五声音阶内,所以常常使用b3音过渡。

  3. BB box
    BB King喜欢使用的一个音阶模式,其实就是小调五声音阶的前四个音,1 b3 4 5,由于四个音在一弦和二弦上的相对关系非常好找,所以有了这么一个Box。
    这个Box有一个特点是四个音都可以bend,比如b3推到3,4,5三个音都是可以的,可以讲得通,并且有独特的Blues味道,这是一个常用,好用的box。

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,首先我们需要读取数据文件并进行预处理。以下是一个使用 Pandas 库对 supermarket_sales - sheet1.csv 文件进行预处理的示例代码: ```python import pandas as pd # 读取数据文件 df = pd.read_csv('supermarket_sales - sheet1.csv') # 去掉重复的行 df.drop_duplicates(inplace=True) # 去掉缺失值 df.dropna(inplace=True) # 查看数据信息 print(df.info()) # 查看数据统计信息 print(df.describe()) ``` 在这个示例中,我们使用 Pandas 库的 `read_csv()` 函数读取了 supermarket_sales - sheet1.csv 文件,并使用 `drop_duplicates()` 和 `dropna()` 函数分别去掉了重复的行和缺失值。然后我们使用 `info()` 函数查看了数据信息,使用 `describe()` 函数查看了数据统计信息。你可以根据自己的需求进行修改。 接下来,我们可以进行数据分析和可视化。以下是一个使用 Matplotlib 和 Seaborn 库进行数据分析和可视化的示例代码: ```python import matplotlib.pyplot as plt import seaborn as sns # 统计销售额前十的产品类别 top10_category = df.groupby('Product line')['Total'].sum().sort_values(ascending=False).head(10) # 绘制销售额前十产品类别的条形图 plt.figure(figsize=(10, 6)) plt.title('Top 10 Product Categories by Sales') sns.barplot(x=top10_category, y=top10_category.index, palette='Blues_r') plt.xlabel('Sales') plt.ylabel('Product Category') plt.show() # 统计每个小时的销售额 hourly_sales = df.groupby('Hour')['Total'].sum() # 绘制每个小时的销售额折线图 plt.figure(figsize=(10, 6)) plt.title('Hourly Sales') sns.lineplot(x=hourly_sales.index, y=hourly_sales.values) plt.xlabel('Hour') plt.ylabel('Sales') plt.show() # 统计每个国家的销售额 country_sales = df.groupby('Country')['Total'].sum().sort_values(ascending=False) # 绘制每个国家的销售额饼图 plt.figure(figsize=(10, 6)) plt.title('Sales by Country') plt.pie(country_sales.values, labels=country_sales.index, autopct='%1.1f%%') plt.show() ``` 在这个示例中,我们首先使用 Pandas 库的 `groupby()` 函数对数据进行分组统计,并使用 Matplotlib 和 Seaborn 库进行可视化。我们统计了销售额前十的产品类别,并使用 Seaborn 库的 `barplot()` 函数绘制了条形图;统计了每个小时的销售额,并使用 Seaborn 库的 `lineplot()` 函数绘制了折线图;统计了每个国家的销售额,并使用 Matplotlib 库的 `pie()` 函数绘制了饼图。你可以根据自己的需求进行修改和扩展。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值