基于python的音乐数据分析_[译] 你的歌单无聊吗？关于音乐和机器学习的数据分析...

原作者   Juan De Dios Santos

编译 CDA 编译团队

本文为  CDA 数据分析师原创作品，转载需授权

Spotify 是全球最大的正版流媒体音乐服务平台，深受全球用户的喜爱。那么你的歌单无聊吗？一位程序员小哥对自己的Spotify歌单进行了数据分析。

几天前，我正在和一个朋友聊天，同时听着我的 Spotify 歌单里的歌。听了几首歌，她说：“你的音乐品味很有意思...你的歌单音乐 很 多样 ， 器乐音乐多 ，还有些 无聊 ”。

听到这个评论，我笑了，因为这不是第一次别人这么说我了。我承认我的音乐品味有点奇怪。比如，我会听一些 Kendrick Lamar (美国说唱歌手)的歌，然后会切换到《盗梦空间》配乐，接着又是西班牙萨尔萨舞曲。

不过，她的评论给了我一个灵感：让我们看看数据是怎么说的。

所以，我进行了一个实验。

在实验中，我分析了我的 Spotify 歌曲，看看它们是否真的 很多样化，器乐音乐多而且无聊 。此外，为了加强趣味性，我把这三个特征与我朋友的歌单进行了比较 。最后，我构建了一个机器学习模型，目的是预测某首歌更适合我的歌单还是她的。

工具

当中使用的主要工具是 Spotify API 服务的音频特性组件。这些音频特征代表了一首歌曲的特点。稍后我将更详细地解释这些特性。

我们用 Python 来获取数据，并利用 scikit- learn 来训练机器学习模型。同时使用 R 语言进行数据分析。

数据

歌曲的数据是用我写的一个 Python 脚本获取的，该脚本获取一个用户的所有播放列表，以及特定播放列表的所有歌曲。一旦我有了歌曲的基本信息，包括 Spotify ID，我就能使用该脚本获取音乐的音频特征。

由此产生的数据集由 15 列和 1074 首歌曲组成，其中 563 首来自我的歌单，511 首来自她的歌单(从现在起，我将把我的朋友称为她)。

在数据集的 15 列中，只有与音频特性相关的部分被使用。在下面的列表中，我将介绍并解释它们的含义(在某些情况下，我只会复制来自 Spotify 的描述)。 注意:所有特性的值在 0.0 - 1.0 范围内。

• 器乐性 &