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
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
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
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
通过上述代码，我已经把dance pop的类型全部换成pop。
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
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。
这是对荣誉情况的统计，适用于数量比较大的情况。
4、2019全球最火流行歌手排行榜
这是全球最火的十大流行音乐歌手的排行。当然下面的图更直观：
从上面的分析可以看到，Ed Sheeran这个人最厉害，15首最流行的歌，他一个人唱了四首，于是我百度了一下，想知道是何方神圣。最后发现就是这个人：
虽然长得确实其貌不扬，但是才华很棒，我听了一下，还蛮好听。
Beautiful People (feat. Khalid)
百度上说，这个人出生于1991年，今年刚结婚，英国的，2012年21岁的时候就在在第32届全英音乐奖中荣获英国最佳男艺人、英国最具突破艺人；2018年，获得第60届格莱美奖最佳流行歌手、最佳流行专辑奖。2019福布斯100名人榜排名第5位。
然而这么有名的人我竟然不认识，我好孤陋寡闻。
三、写在后面
数据分析其实是个很好玩的东西，平时的训练除了可以熟悉技能，其实还可以知道很多其他东西。
因为你每次做个案例，就相当于对某个领域做了一次了解，有时候还可以刷新自己的认知。
然后在做数据案例的时候，建议大家可以多找些自己感兴趣的数据源，悄悄告诉你，GitHub上有很多。这个网站真的很神奇，不仅有数据源，还可以案例分析，还有源代码，有些你只要复制下来就可以直接用，非常方便。
好了，今天的分享就到这里，下次我们继续。
