Original size 551x736

Анализ популярности музыкальных композиций Тейлор Свифт

PROTECT STATUS: not protected

Вводная часть

Для данного проекта я выбрал базу данных на сайте Kaggle, по которой можно проследить закономерность популярности музыкальных композиций от временного периода.

Тейлор Свифт — это одна из самых влиятельных и популярных артисток в мире. Её карьера началась в начале 2000-х, и за это время она претерпела значительное развитие как музыкант и как личность. Сейчас она является лидером индустрии. Хочется проанализировать популярность её музыкальных композиций относительного временного периода, чтобы увидеть её эволюцию как артистки, привлекающую новых поклонников и укрепляющую свою позицию в мире поп-музыки и культуры.

big
Original size 2560x1300

Тейлор Свифт (англ. Taylor Swift)

 — американская певица и автор песен. Её разносторонняя артистичность, написание песен и предпринимательская деятельность оказали широкое влияние на индустрию музыки и поп-культуру, история её жизни широко освещается прессой.
big
Original size 970x116

Анализ данных

  1. График Danceability vs. Valence: показывает влияние danceability (подходит ли альбом для танцев) на valence (популярность/значимость). Трендовая линия указывает на то, что с увеличением danceability растет и valence, что свидетельствует о положительной корреляции между этими двумя показателями.
Original size 2560x1300

Код № 1

Original size 2560x1300

График № 1

  1. График Energy vs. Valence: аналогично первому графику, но сравнивает energy (энергичность) альбома с его valence. Также показывает положительную корреляцию между этими показателями.
Original size 2560x1300

Код № 2

Original size 2560x1300

График № 2

  1. График Danceability, Energy, Speechiness vs. Valence: сравнивает danceability, energy и speechiness (лиричность) с valence. Показывает, что energy оказывает наибольшее влияние на valence, превосходя другие показатели.
Original size 2560x1300

Код № 3

Original size 2560x1300

График № 3

  1. График Изменения Valence по годам: показывает изменение valence альбомов Тейлор Свифт с течением времени. Указание на пик в 2023 году, возможно, связано с особенно успешным или важным для неё годом.
Original size 2560x1300

Код № 4

Original size 2560x1300

График № 4

  1. График Изменения Energy по годам: аналогично предыдущему графику, но для energy альбомов. Указание на схожие пики энергичности альбомов с годами подтверждает влияние коэффициента energy на valence.
Original size 2560x1300

Код № 5

Original size 2560x1300

График № 5

Выводы

В целом, анализ этих графиков помогает понять, как различные музыкальные характеристики влияют на популярность и значимость альбомов Тейлор Свифт в разные периоды её карьеры. Это также позволяет увидеть её эволюцию как артистки и понять, как она привлекала новых поклонников и укрепляла свою позицию в мире поп-музыки и культуры.

Оформление графиков

Original size 1022x183

Для оформления графиков я выбрал цвета, часто используемые на обложках альбомов, пластинок, декораций выступлений. Такими цветами стали фиолетовый, розовый и голубой.

Original size 2560x541

Цветовая палитра

В итоге я составил цветовую палитру, представленную выше, которая используется в оформлении всех графиков.

Используемый шрифт: El Fonte Angelia Light

Цвет текста:

#000000

Цвета графиков:

#9C3E9E

#EAA4D3

#A4C7EA

Original size 2072x592

Шрифт

Анализ популярности музыкальных композиций Тейлор Свифт
Илья Мигачев провёл анализ популярности музыкальных композиций Тейлор Свифт с использованием данных из базы Kaggle. Проект включает графики, демонстрирующие корреляцию между такими параметрами, как danceability, energy и valence, и популярностью альбомов.
Project description created with AI
Project created at 25.09.2024
More projects in artificial intelligence
Самира Кушхова подготовила анализ данных о топ-100 фильмах IMDb, собранных из открытого датасета с Kaggle. В работе использованы гистограммы, круговые и точечные диаграммы для визуализации рейтингов и категорий фильмов.
Тимофей Артеменко провел анализ данных стриминга Netflix, чтобы выявить тренды и особенности потребления контента на платформе. Проект включает визуализацию данных с использованием библиотек Matplotlib и SeaBorn, а также стилизацию графиков с помощью mplcyberpunk.
Мария Луговая создала визуализацию набора данных о прогнозировании рака, чтобы проанализировать факторы риска заболевания. Проект включает столбчатые диаграммы, линейные графики и рассеянные графики, выполненные в пастельной палитре для снижения эмоциональной нагрузки на зрителя.
Автор провёл статистический анализ данных Spotify, используя библиотеку pandas для обработки информации и seaborn для визуализации результатов. В проекте были построены графики, отражающие распределение артистов в песнях, популярность артистов по годам и сравнение добавлений в Apple и Deezer.
lpudesign
LPU — Lovely Professional University, India’s Best Private University in Punjab. A university with the infrastructure of global standards, internationally benchmarked curricula, rich diversity of students, innovative pedagogy for participative and experiential learning with focus on research, innovation and entrepreneurship
design
object design
art
fashion
environment
game design
illustration
animation
cgi
sound