数据分析入门：用Python和Numpy探索音乐流行趋势

news2024/9/21 18:44:01

一、引言

音乐是文化的重要组成部分，而音乐流行趋势则反映了社会文化的变迁和人们审美的变化。通过分析音乐榜单，我们可以了解哪些歌曲或歌手正在受到大众的欢迎，甚至预测未来的流行趋势。Python作为一种强大的编程语言，结合其丰富的库，如Numpy，使得数据分析变得更加简单和高效。

Python与Numpy简介

Python是一种广泛使用的高级编程语言，以其清晰的语法和代码可读性而闻名。Numpy是一个开源的Python科学计算库，提供了强大的多维数组对象和相应的操作，是进行数据分析和科学计算的基础工具。

数据收集

在开始数据分析之前，我们需要收集相关的数据。音乐流行趋势的数据可以从多个来源获取，例如音乐流媒体服务的API、公开的音乐排行榜数据等。为了简化示例，我们将使用一个假设的音乐排行榜数据集。

数据获取

首先，我们需要从网易云音乐获取新歌榜的数据。这里我们使用Python的requests库来发送HTTP请求，并使用beautifulsoup4来解析返回的HTML页面。

import requests
from bs4 import BeautifulSoup

# 代理服务器配置
proxyHost = "www.16yun.cn"
proxyPort = "5445"
proxyUser = "16QMSOML"
proxyPass = "280651"

# 构建代理字典
proxies = {
    'http': f'http://{proxyUser}:{proxyPass}@{proxyHost}:{proxyPort}',
    'https': f'https://{proxyUser}:{proxyPass}@{proxyHost}:{proxyPort}'
}

def fetch_music_data(url):
    # 使用代理发送请求
    response = requests.get(url, proxies=proxies)
    soup = BeautifulSoup(response.text, 'html.parser')
    music_list = []
    
    for item in soup.find_all('li', class_='song-item'):
        song = {
            'title': item.find('span', class_='song-name').text.strip(),
            'artist': item.find('span', class_='singer-name').text.strip(),
            'rank': int(item.find('span', class_='index').text.strip())
        }
        music_list.append(song)
    
    return music_list

url = 'https://music.163.com/discover/rank/#/discover/toplist' 
music_data = fetch_music_data(url)

# 打印获取的数据
for song in music_data:
    print(f"Title: {song['title']}, Artist: {song['artist']}, Rank: {song['rank']}")

数据预处理

数据预处理是数据分析中的重要步骤，包括清洗数据、处理缺失值、数据类型转换等。以下是一个简单的数据预处理示例：

python
import numpy as np

# 假设的数据集，包含歌曲名、排名和播放次数
data = np.array([
    ["Song A", 1, 1000],
    ["Song B", 2, 950],
    ["Song C", 3, 900],
    # 更多数据...
])

# 将排名转换为整数类型
data[:, 1] = data[:, 1].astype(int)
# 将播放次数转换为浮点数类型
data[:, 2] = data[:, 2].astype(float)

数据探索

在数据预处理之后，我们可以进行数据探索，以了解数据的基本特征和趋势。例如，我们可以计算平均播放次数，或者找出排名最高的歌曲。

import requests
from bs4 import BeautifulSoup

def fetch_music_data(url):
    response = requests.get(url)
    soup = BeautifulSoup(response.text, 'html.parser')
    music_list = []
    
    for item in soup.find_all('li', class_='song-item'):
        song = {
            'title': item.find('span', class_='song-name').text.strip(),
            'artist': item.find('span', class_='singer-name').text.strip(),
            'rank': int(item.find('span', class_='index').text.strip())
        }
        music_list.append(song)
    
    return music_list

url = 'https://music.163.com/discover/rank/#/discover/toplist'
music_data = fetch_music_data(url)

数据可视化

数据可视化是理解数据和传达分析结果的重要手段。我们可以使用matplotlib库来创建图表。

python
import matplotlib.pyplot as plt

# 绘制排名与播放次数的关系图
plt.figure(figsize=(10, 6))
plt.scatter(data[:, 1], data[:, 2], color='blue')
plt.title('Song Ranking vs Plays')
plt.xlabel('Ranking')
plt.ylabel('Plays')
plt.grid(True)
plt.show()

趋势分析

趋势分析可以帮助我们了解音乐流行趋势随时间的变化。假设我们有一段时间内的音乐数据，我们可以使用以下方法来分析趋势：

python
# 假设有一段时间序列的数据
time_series_data = np.array([
    ["2024-01", "Song A", 1000],
    ["2024-02", "Song A", 1100],
    # 更多时间序列数据...
])

# 提取时间序列并排序
time_series_data = time_series_data[np.argsort(time_series_data[:, 0])]

# 计算每月的播放次数变化
plays_change = time_series_data[:, 2] - time_series_data[:, 2][::-1]

# 绘制时间序列图
plt.figure(figsize=(12, 6))
plt.plot(time_series_data[:, 0], plays_change, marker='o', linestyle='-')
plt.title('Plays Change Over Time')
plt.xlabel('Time')
plt.ylabel('Change in Plays')
plt.grid(True)
plt.show()