[Python, Программирование, Big Data, Визуализация данных, Звук] Популярность BPM в разных жанрах музыки. Анализ скорости исполнения 500 лучших песен
Автор
Сообщение
news_bot ®
Стаж: 6 лет 3 месяца
Сообщений: 27286
Несколько лет назад, занимался изучением теории музыки, продавал и писал аудио-инструментал для аренды или заказов. Изначально, процесс явно творческий, но вскоре, мой интерес к коммерческой части превысил и возник вопрос: «В каком же темпе создавать ритм музыки?».Мною была замечена тенденция вариаций темпа популярных песен одного жанра, поэтому идея анализа крупной выборки лучших композиций, для определения популярного [часто: самого продаваемого] диапазона темпа исполнения, не покидала с тех пор…
BPM [в музыке] — показатель, для определения скорости исполнения композиции, путём измерения количества тактовых долей в минуту.
1: ПрологУстанавливаем «Matplotlib» и «Pandas» с необходимыми зависимостями через pip-менеджер в консоли/терминале.
«python -m pip install -V matplotlib» и «pip install pandas»Создаём директорию, а потом виртуальное окружение для проекта. После, подключаем библиотеки в IDE [в моём случае: PyCharm].
File — Settings — Project: [...] — Python Interpreter2: BPMBPM будем вычислять через функцию «Detect tempo» в FL Studio и через сайт tunebat.com
ПКМ по верхней левой иконке на звуковой дорожке — Detect tempo — Выбрать диапазон3: DataSetНачинаем создание DataSet’а [выборки-коллекции данных] в Excel, для каждого жанра. Экспортируем в CSV-формат с настройками разделителя — запятой. Следующие CSV-файлы создавал в IDE, так удобнее. Выборки перемещаем в директорию, где находится файл самой программы.В первой строке CSV-файлов указываются параметры, которые разделяются запятыми. Следующие строки содержат уже значения этих параметров. При окончательной проверке, DataSet должен последовательно содержать данные: названия трека, BPM и год выхода композиции. Будем использовать информацию выборки в сто песен, для каждого жанра из выбранных пяти.
Параметры: «name» — название трека; «bpm» — темп; «year» — год релиза4: Rap — построение точечной диаграммы и гистограммыВыборка взята здесь: rollingstone.com/100-greatest-hip-hop-songs-of-all-time
Сам CSV-DataSet: github.com/Rap.csvНа основе информации DataSet'а, создаём точечную диаграмму [Scatter Plots] для изучения взаимосвязи между BPM и годом выпуска, а также для отображения концентраций при ранжировании данных.
Видно, что с 1980 по 2005 гг. основным темпом был диапазон в 90-105 BPM«Код точечной диаграммы с комментариями»
from matplotlib import pyplot as plt # Первый каноничный импорт
import pandas as pd # Второй каноничный импорт для обработки DataSet'а
plt.style.use('fivethirtyeight') # Назначаем стилистику визуализации
data_set = pd.read_csv('Rap.csv') # Считываем данные SCV-файла с DataSet'ом
bpm = data_set['bpm'] # Переменная, для параметра BPM в каждой строке
year = data_set['year'] # Переменная, для параметра "год релиза" в каждой строке
plt.scatter( # Построение точечного графика и его настройка
bpm, year, # Данные для осей «x» и «y»
c=bpm, # Привязка цвета к нужной оси
s=bpm*1.5, # Зависимость размера точки
cmap='gist_heat', # Цветовая карта графика
edgecolor='black', # Цвет контура точки
linewidth=.7 # Толщина контура точки
)
bar = plt.colorbar( # Построение шкалы BPM
orientation='horizontal', # Ориентация шкалы
shrink=0.8, # Масштаб шкалы
extend='both', # Скос краёв шкалы
extendfrac=.1 # Угол скоса краёв
)
bar.set_label('Шкала ударов в минуту', fontsize=18) # Подпись шкалы
plt.title('Популярность скорости ' # Заголовок графика
'исполнения в Rap\'е ', fontsize=25)
plt.xlabel('BPM', fontsize=18) # Ось абсцисс
plt.ylabel('Год релиза', fontsize=18) # Ось ординат
plt.tight_layout() # Настройка параметров подзаголовков в области отображения
plt.show() # Вывод на экран
Если диаграмма отражает точечное положение трека в зависимости двух переменных, — BPM и года релиза, — то гистограмма покажет частоту-количество попаданий значения BPM для каждого диапазона на шкале. Таким образом, определится популярность определенного темпа.
Самый популярный диапазон: 80-100 BPM«Код гистограммы без комментариев»
import pandas as pd
from matplotlib import pyplot as plt
from collections import Counter
plt.style.use("fivethirtyeight")
data_set = pd.read_csv('Rap end.csv')
index = data_set['number']
ranges = data_set['bpm_range']
counter = Counter()
for index in ranges:
counter.update(index.split(';'))
range_bpm = []
value = []
for item in counter.most_common(100):
range_bpm.append(item[0])
value.append(item[1])
range_bpm.reverse()
value.reverse()
plt.barh(
range_bpm, value,
linewidth=.5,
edgecolor='black',
color='#e85b45',
label='Количество точек на предыдущем графике'
)
plt.legend()
plt.title('Популярность интервала значений BPM в rap\'е', fontsize=25)
plt.xlabel('Количество песен в диапазоне BPM', fontsize=18)
plt.ylabel('Диапазоны BPM', fontsize=18)
plt.tight_layout()
plt.show()
5: РокВыборка взята здесь: rockfm.ru/top100
Сам CSV-DataSet: github.com/Rock.csvОднозначности пока что нет, — особенность жанра. — поэтому, второй график построен при округлении параметра «year/год выхода композиции».
«Код точечной диаграммы с комментариями»
from matplotlib import pyplot as plt # Первый каноничный импорт
import pandas as pd # Второй каноничный импорт для обработки DataSet'а
plt.style.use('fivethirtyeight') # Назначаем стилистику визуализации
data_set = pd.read_csv('Rock.csv') # Считываем данные SCV-файла с DataSet'ом
bpm = data_set['bpm'] # Переменная, для параметра BPM в каждой строке
year = data_set['year'] # Переменная, для параметра "год релиза" в каждой строке
plt.scatter( # Построение точечного графика и его настройка
bpm, year, # Данные для осей «x» и «y»
c=bpm, # Привязка цвета к нужной оси
s=bpm*1.5, # Зависимость размера точки
cmap='gist_heat', # Цветовая карта графика
edgecolor='black', # Цвет контура точки
linewidth=.7 # Толщина контура точки
alpha=.7 # Прозрачность точки
)
bar = plt.colorbar( # Построение шкалы BPM
orientation='horizontal', # Ориентация шкалы
shrink=0.8, # Масштаб шкалы
extend='both', # Скос краёв шкалы
extendfrac=.1 # Угол скоса краёв
)
bar.set_label('Шкала ударов в минуту', fontsize=18) # Подпись шкалы
plt.title('Популярность скорости ' # Заголовок графика
'исполнения в роке', fontsize=25)
plt.xlabel('BPM', fontsize=18) # Ось абсцисс
plt.ylabel('Год релиза', fontsize=18) # Ось ординат
plt.tight_layout() # Настройка параметров подзаголовков в области отображения
plt.show() # Вывод на экран
Самые популярные диапазоны: 120-140 и 100-120 BPM«Код гистограммы без комментариев»
import pandas as pd
from matplotlib import pyplot as plt
from collections import Counter
plt.style.use("fivethirtyeight")
data_set = pd.read_csv('Rock end.csv')
index = data_set['number']
ranges = data_set['bpm_range']
counter = Counter()
for index in ranges:
counter.update(index.split(';'))
range_bpm = []
value = []
for item in counter.most_common(100):
range_bpm.append(item[0])
value.append(item[1])
range_bpm.reverse()
value.reverse()
plt.barh(
range_bpm, value,
linewidth=.5,
edgecolor='black',
color='#e85b45',
label='Количество точек на предыдущем графике'
)
plt.legend()
plt.title('Популярность интервала значений BPM в роке', fontsize=25)
plt.xlabel('Количество песен в диапазоне BPM', fontsize=18)
plt.ylabel('Диапазоны BPM', fontsize=18)
plt.tight_layout()
plt.show()
6: БлюзВыборка взята здесь: digitaldreamdoor.com/best_bluesong
Сам CSV-DataSet: github.com/Blues.csv
Видно высокую концентрацию использования темпа около 100 BPM в 90-х«Код точечной диаграммы с комментариями»
from matplotlib import pyplot as plt # Первый каноничный импорт
import pandas as pd # Второй каноничный импорт для обработки DataSet'а
plt.style.use('fivethirtyeight') # Назначаем стилистику визуализации
data_set = pd.read_csv('Blues.csv') # Считываем данные SCV-файла с DataSet'ом
bpm = data_set['bpm'] # Переменная, для параметра BPM в каждой строке
year = data_set['year'] # Переменная, для параметра "год релиза" в каждой строке
plt.scatter( # Построение точечного графика и его настройка
bpm, year, # Данные для осей «x» и «y»
c=bpm, # Привязка цвета к нужной оси
s=bpm*1.5, # Зависимость размера точки
cmap='gist_heat', # Цветовая карта графика
edgecolor='black', # Цвет контура точки
linewidth=.7 # Толщина контура точки
)
bar = plt.colorbar( # Построение шкалы BPM
orientation='horizontal', # Ориентация шкалы
shrink=0.8, # Масштаб шкалы
extend='both', # Скос краёв шкалы
extendfrac=.1 # Угол скоса краёв
)
bar.set_label('Шкала ударов в минуту', fontsize=18) # Подпись шкалы
plt.title('Популярность скорости ' # Заголовок графика
'исполнения в блюзе', fontsize=25)
plt.xlabel('BPM', fontsize=18) # Ось абсцисс
plt.ylabel('Год релиза', fontsize=18) # Ось ординат
plt.tight_layout() # Настройка параметров подзаголовков в области отображения
plt.show() # Вывод на экран
Самый популярный диапазон: 100-120 BPM«Код гистограммы без комментариев»
import pandas as pd
from matplotlib import pyplot as plt
from collections import Counter
plt.style.use("fivethirtyeight")
data_set = pd.read_csv('Blues end.csv')
index = data_set['number']
ranges = data_set['bpm_range']
counter = Counter()
for index in ranges:
counter.update(index.split(';'))
range_bpm = []
value = []
for item in counter.most_common(100):
range_bpm.append(item[0])
value.append(item[1])
range_bpm.reverse()
value.reverse()
plt.barh(
range_bpm, value,
linewidth=.5,
edgecolor='black',
color='#e85b45',
label='Количество точек на предыдущем графике'
)
plt.legend()
plt.title('Популярность интервала значений BPM в блюзе', fontsize=25)
plt.xlabel('Количество песен в диапазоне BPM', fontsize=18)
plt.ylabel('Диапазоны BPM', fontsize=18)
plt.tight_layout()
plt.show()
7: ChilloutВыборка взята здесь: open.spotify.com
Сам CSV-DataSet: github.com/Chillout.csv Много наложений точек друг на друга. К сожалению, не знаю, как это исправить. Пришлось сделать точки более прозрачными, с помощью аргумента «alpha» функции «.scatter».
«Код точечной диаграммы с комментариями»
from matplotlib import pyplot as plt # Первый каноничный импорт
import pandas as pd # Второй каноничный импорт для обработки DataSet'а
plt.style.use('fivethirtyeight') # Назначаем стилистику визуализации
data_set = pd.read_csv('Chillout.csv') # Считываем данные SCV-файла с DataSet'ом
bpm = data_set['bpm'] # Переменная, для параметра BPM в каждой строке
year = data_set['year'] # Переменная, для параметра "год релиза" в каждой строке
plt.scatter( # Построение точечного графика и его настройка
bpm, year, # Данные для осей «x» и «y»
c=bpm, # Привязка цвета к нужной оси
s=bpm*1.5, # Зависимость размера точки
cmap='gist_heat', # Цветовая карта графика
edgecolor='black', # Цвет контура точки
linewidth=.7 # Толщина контура точки
alpha=.5 # Прозрачность точки
)
bar = plt.colorbar( # Построение шкалы BPM
orientation='horizontal', # Ориентация шкалы
shrink=0.8, # Масштаб шкалы
extend='both', # Скос краёв шкалы
extendfrac=.1 # Угол скоса краёв
)
bar.set_label('Шкала ударов в минуту', fontsize=18) # Подпись шкалы
plt.title('Популярность скорости ' # Заголовок графика
'исполнения в Chillout', fontsize=25)
plt.xlabel('BPM', fontsize=18) # Ось абсцисс
plt.ylabel('Год релиза', fontsize=18) # Ось ординат
plt.tight_layout() # Настройка параметров подзаголовков в области отображения
plt.show() # Вывод на экран
Самый популярный диапазон: 80-100«Код гистограммы без комментариев»
import pandas as pd
from matplotlib import pyplot as plt
from collections import Counter
plt.style.use("fivethirtyeight")
data_set = pd.read_csv('Chillout end.csv')
index = data_set['number']
ranges = data_set['bpm_range']
counter = Counter()
for index in ranges:
counter.update(index.split(';'))
range_bpm = []
value = []
for item in counter.most_common(100):
range_bpm.append(item[0])
value.append(item[1])
range_bpm.reverse()
value.reverse()
plt.barh(
range_bpm, value,
linewidth=.5,
edgecolor='black',
color='#e85b45',
label='Количество точек на предыдущем графике'
)
plt.legend()
plt.title('Популярность интервала значений BPM в Chillout', fontsize=25)
plt.xlabel('Количество песен в диапазоне BPM', fontsize=18)
plt.ylabel('Диапазоны BPM', fontsize=18)
plt.tight_layout()
plt.show()
8: EDMВыборка взята здесь: edmcharts.net
Сам CSV-DataSet: github.com/EDM.csvЗдесь также для наглядности пришлось сделать точки ещё более прозрачными. Если кто-то знает, как исправить дефект наложения, прошу написать в комментариях.
Довольно однозначно вышло...«Код точечной диаграммы с комментариями»
from matplotlib import pyplot as plt # Первый каноничный импорт
import pandas as pd # Второй каноничный импорт для обработки DataSet'а
plt.style.use('fivethirtyeight') # Назначаем стилистику визуализации
data_set = pd.read_csv('EDM.csv') # Считываем данные SCV-файла с DataSet'ом
bpm = data_set['bpm'] # Переменная, для параметра BPM в каждой строке
year = data_set['year'] # Переменная, для параметра "год релиза" в каждой строке
plt.scatter( # Построение точечного графика и его настройка
bpm, year, # Данные для осей «x» и «y»
c=bpm, # Привязка цвета к нужной оси
s=bpm*1.5, # Зависимость размера точки
cmap='gist_heat', # Цветовая карта графика
edgecolor='black', # Цвет контура точки
linewidth=.7 # Толщина контура точки
alpha=.2 # Прозрачность точки
)
bar = plt.colorbar( # Построение шкалы BPM
orientation='horizontal', # Ориентация шкалы
shrink=0.8, # Масштаб шкалы
extend='both', # Скос краёв шкалы
extendfrac=.1 # Угол скоса краёв
)
bar.set_label('Шкала ударов в минуту', fontsize=18) # Подпись шкалы
plt.title('Популярность скорости ' # Заголовок графика
'исполнения в EDM', fontsize=25)
plt.xlabel('BPM', fontsize=18) # Ось абсцисс
plt.ylabel('Год релиза', fontsize=18) # Ось ординат
plt.tight_layout() # Настройка параметров подзаголовков в области отображения
plt.show() # Вывод на экран
Самый популярный диапазон: 120-140«Код гистограммы без комментариев»
import pandas as pd
from matplotlib import pyplot as plt
from collections import Counter
plt.style.use("fivethirtyeight")
data_set = pd.read_csv('EDM end.csv')
index = data_set['number']
ranges = data_set['bpm_range']
counter = Counter()
for index in ranges:
counter.update(index.split(';'))
range_bpm = []
value = []
for item in counter.most_common(100):
range_bpm.append(item[0])
value.append(item[1])
range_bpm.reverse()
value.reverse()
plt.barh(
range_bpm, value,
linewidth=.5,
edgecolor='black',
color='#e85b45',
label='Количество точек на предыдущем графике'
)
plt.legend()
plt.title('Популярность интервала значений BPM в EDM', fontsize=25)
plt.xlabel('Количество песен в диапазоне BPM', fontsize=18)
plt.ylabel('Диапазоны BPM', fontsize=18)
plt.tight_layout()
plt.show()
9: ЗаключениеСамым простым графиком сравним количество попаданий в каждый диапазон, композиций, из всех проанализированных ранее жанров*.* такие жанры как ethnic, ambient, folk, dubstep, reggae и др, не удалось к сожалению разобрать из-за отсутствия качественной выборки...
BPM/Кол-во треков<6060-8080-100100-120120-140140-160160-180Blues2925351568Chillout11351819125EDM13216762Rap56120743Rock62025271111Итог:2321441191353929«Простой код, простого графика»
from matplotlib import pyplot as plt
plt.style.use('fivethirtyeight')
x = ['<60', '60-80', '80-100', '100-120', '120-140', '140-160', '160-180']
y = [2, 32, 144, 119, 135, 39, 29]
plt.plot(x, y, label='BPM', c='#e85b45')
plt.legend()
plt.title('Сравнение всех диапазонов BPM во всех жанрах', fontsize=25)
plt.xlabel('Диапазон BPM', fontsize=18)
plt.ylabel('Количество треков', fontsize=18)
plt.tight_layout()
plt.show()
===========
Источник:
habr.com
===========
Похожие новости:
- [Программирование, Машинное обучение] Искусственный интеллект обновит устаревшее программное обеспечение за вас (перевод)
- [Контент-маркетинг, Облачные сервисы, Социальные сети и сообщества] Стриминговые платформы: помогают стать популярнее или делают из музыки маркетинговый инструмент?
- [JavaScript, Программирование, HTML, TensorFlow] Отслеживание лиц в реальном времени в браузере с использованием TensorFlow.js. Часть 1 (перевод)
- [JavaScript, Программирование] Почему вы можете обойтись без Babel (перевод)
- [Разработка веб-сайтов, Python, Django] Новое тестирование фичей в Django 3.2 (перевод)
- [Open source, OpenStreetMap, Открытые данные, Визуализация данных] День открытых данных 2021. Онлайн
- [Python, Машинное обучение, Искусственный интеллект, TensorFlow] Нейродайджест: главное из области машинного обучения за февраль 2021
- [Python, Django] Архитектура в Django проектах — как выжить
- [Программирование, Assembler] Как писать на ассемблере в 2021 году
- [Программирование, Совершенный код] Trace, Info, Warning, Error, Fatal — кто все эти люди..?
Теги для поиска: #_python, #_programmirovanie (Программирование), #_big_data, #_vizualizatsija_dannyh (Визуализация данных), #_zvuk (Звук), #_python, #_vizualizatsija_dannyh (визуализация данных), #_matplotlib, #_pandas, #_numpy, #_analiz_dannyh (анализ данных), #_statistika (статистика), #_muzyka (музыка), #_analitika (аналитика), #_zvuk (звук), #_python, #_programmirovanie (
Программирование
), #_big_data, #_vizualizatsija_dannyh (
Визуализация данных
), #_zvuk (
Звук
)
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 14-Май 01:46
Часовой пояс: UTC + 5
| Автор | Сообщение |
|---|---|
|
news_bot ®
Стаж: 6 лет 3 месяца |
|
 Несколько лет назад, занимался изучением теории музыки, продавал и писал аудио-инструментал для аренды или заказов. Изначально, процесс явно творческий, но вскоре, мой интерес к коммерческой части превысил и возник вопрос: «В каком же темпе создавать ритм музыки?».Мною была замечена тенденция вариаций темпа популярных песен одного жанра, поэтому идея анализа крупной выборки лучших композиций, для определения популярного [часто: самого продаваемого] диапазона темпа исполнения, не покидала с тех пор… BPM [в музыке] — показатель, для определения скорости исполнения композиции, путём измерения количества тактовых долей в минуту.
 «python -m pip install -V matplotlib» и «pip install pandas»Создаём директорию, а потом виртуальное окружение для проекта. После, подключаем библиотеки в IDE [в моём случае: PyCharm].  File — Settings — Project: [...] — Python Interpreter2: BPMBPM будем вычислять через функцию «Detect tempo» в FL Studio и через сайт tunebat.com  ПКМ по верхней левой иконке на звуковой дорожке — Detect tempo — Выбрать диапазон3: DataSetНачинаем создание DataSet’а [выборки-коллекции данных] в Excel, для каждого жанра. Экспортируем в CSV-формат с настройками разделителя — запятой. Следующие CSV-файлы создавал в IDE, так удобнее. Выборки перемещаем в директорию, где находится файл самой программы.В первой строке CSV-файлов указываются параметры, которые разделяются запятыми. Следующие строки содержат уже значения этих параметров. При окончательной проверке, DataSet должен последовательно содержать данные: названия трека, BPM и год выхода композиции. Будем использовать информацию выборки в сто песен, для каждого жанра из выбранных пяти.  Параметры: «name» — название трека; «bpm» — темп; «year» — год релиза4: Rap — построение точечной диаграммы и гистограммыВыборка взята здесь: rollingstone.com/100-greatest-hip-hop-songs-of-all-time Сам CSV-DataSet: github.com/Rap.csvНа основе информации DataSet'а, создаём точечную диаграмму [Scatter Plots] для изучения взаимосвязи между BPM и годом выпуска, а также для отображения концентраций при ранжировании данных.  Видно, что с 1980 по 2005 гг. основным темпом был диапазон в 90-105 BPM«Код точечной диаграммы с комментариями» from matplotlib import pyplot as plt # Первый каноничный импорт
import pandas as pd # Второй каноничный импорт для обработки DataSet'а plt.style.use('fivethirtyeight') # Назначаем стилистику визуализации data_set = pd.read_csv('Rap.csv') # Считываем данные SCV-файла с DataSet'ом bpm = data_set['bpm'] # Переменная, для параметра BPM в каждой строке year = data_set['year'] # Переменная, для параметра "год релиза" в каждой строке plt.scatter( # Построение точечного графика и его настройка bpm, year, # Данные для осей «x» и «y» c=bpm, # Привязка цвета к нужной оси s=bpm*1.5, # Зависимость размера точки cmap='gist_heat', # Цветовая карта графика edgecolor='black', # Цвет контура точки linewidth=.7 # Толщина контура точки ) bar = plt.colorbar( # Построение шкалы BPM orientation='horizontal', # Ориентация шкалы shrink=0.8, # Масштаб шкалы extend='both', # Скос краёв шкалы extendfrac=.1 # Угол скоса краёв ) bar.set_label('Шкала ударов в минуту', fontsize=18) # Подпись шкалы plt.title('Популярность скорости ' # Заголовок графика 'исполнения в Rap\'е ', fontsize=25) plt.xlabel('BPM', fontsize=18) # Ось абсцисс plt.ylabel('Год релиза', fontsize=18) # Ось ординат plt.tight_layout() # Настройка параметров подзаголовков в области отображения plt.show() # Вывод на экран  Самый популярный диапазон: 80-100 BPM«Код гистограммы без комментариев» import pandas as pd
from matplotlib import pyplot as plt from collections import Counter plt.style.use("fivethirtyeight") data_set = pd.read_csv('Rap end.csv') index = data_set['number'] ranges = data_set['bpm_range'] counter = Counter() for index in ranges: counter.update(index.split(';')) range_bpm = [] value = [] for item in counter.most_common(100): range_bpm.append(item[0]) value.append(item[1]) range_bpm.reverse() value.reverse() plt.barh( range_bpm, value, linewidth=.5, edgecolor='black', color='#e85b45', label='Количество точек на предыдущем графике' ) plt.legend() plt.title('Популярность интервала значений BPM в rap\'е', fontsize=25) plt.xlabel('Количество песен в диапазоне BPM', fontsize=18) plt.ylabel('Диапазоны BPM', fontsize=18) plt.tight_layout() plt.show() Сам CSV-DataSet: github.com/Rock.csvОднозначности пока что нет, — особенность жанра. — поэтому, второй график построен при округлении параметра «year/год выхода композиции».  «Код точечной диаграммы с комментариями» from matplotlib import pyplot as plt # Первый каноничный импорт
import pandas as pd # Второй каноничный импорт для обработки DataSet'а plt.style.use('fivethirtyeight') # Назначаем стилистику визуализации data_set = pd.read_csv('Rock.csv') # Считываем данные SCV-файла с DataSet'ом bpm = data_set['bpm'] # Переменная, для параметра BPM в каждой строке year = data_set['year'] # Переменная, для параметра "год релиза" в каждой строке plt.scatter( # Построение точечного графика и его настройка bpm, year, # Данные для осей «x» и «y» c=bpm, # Привязка цвета к нужной оси s=bpm*1.5, # Зависимость размера точки cmap='gist_heat', # Цветовая карта графика edgecolor='black', # Цвет контура точки linewidth=.7 # Толщина контура точки alpha=.7 # Прозрачность точки ) bar = plt.colorbar( # Построение шкалы BPM orientation='horizontal', # Ориентация шкалы shrink=0.8, # Масштаб шкалы extend='both', # Скос краёв шкалы extendfrac=.1 # Угол скоса краёв ) bar.set_label('Шкала ударов в минуту', fontsize=18) # Подпись шкалы plt.title('Популярность скорости ' # Заголовок графика 'исполнения в роке', fontsize=25) plt.xlabel('BPM', fontsize=18) # Ось абсцисс plt.ylabel('Год релиза', fontsize=18) # Ось ординат plt.tight_layout() # Настройка параметров подзаголовков в области отображения plt.show() # Вывод на экран  Самые популярные диапазоны: 120-140 и 100-120 BPM«Код гистограммы без комментариев» import pandas as pd
from matplotlib import pyplot as plt from collections import Counter plt.style.use("fivethirtyeight") data_set = pd.read_csv('Rock end.csv') index = data_set['number'] ranges = data_set['bpm_range'] counter = Counter() for index in ranges: counter.update(index.split(';')) range_bpm = [] value = [] for item in counter.most_common(100): range_bpm.append(item[0]) value.append(item[1]) range_bpm.reverse() value.reverse() plt.barh( range_bpm, value, linewidth=.5, edgecolor='black', color='#e85b45', label='Количество точек на предыдущем графике' ) plt.legend() plt.title('Популярность интервала значений BPM в роке', fontsize=25) plt.xlabel('Количество песен в диапазоне BPM', fontsize=18) plt.ylabel('Диапазоны BPM', fontsize=18) plt.tight_layout() plt.show() Сам CSV-DataSet: github.com/Blues.csv  Видно высокую концентрацию использования темпа около 100 BPM в 90-х«Код точечной диаграммы с комментариями» from matplotlib import pyplot as plt # Первый каноничный импорт
import pandas as pd # Второй каноничный импорт для обработки DataSet'а plt.style.use('fivethirtyeight') # Назначаем стилистику визуализации data_set = pd.read_csv('Blues.csv') # Считываем данные SCV-файла с DataSet'ом bpm = data_set['bpm'] # Переменная, для параметра BPM в каждой строке year = data_set['year'] # Переменная, для параметра "год релиза" в каждой строке plt.scatter( # Построение точечного графика и его настройка bpm, year, # Данные для осей «x» и «y» c=bpm, # Привязка цвета к нужной оси s=bpm*1.5, # Зависимость размера точки cmap='gist_heat', # Цветовая карта графика edgecolor='black', # Цвет контура точки linewidth=.7 # Толщина контура точки ) bar = plt.colorbar( # Построение шкалы BPM orientation='horizontal', # Ориентация шкалы shrink=0.8, # Масштаб шкалы extend='both', # Скос краёв шкалы extendfrac=.1 # Угол скоса краёв ) bar.set_label('Шкала ударов в минуту', fontsize=18) # Подпись шкалы plt.title('Популярность скорости ' # Заголовок графика 'исполнения в блюзе', fontsize=25) plt.xlabel('BPM', fontsize=18) # Ось абсцисс plt.ylabel('Год релиза', fontsize=18) # Ось ординат plt.tight_layout() # Настройка параметров подзаголовков в области отображения plt.show() # Вывод на экран  Самый популярный диапазон: 100-120 BPM«Код гистограммы без комментариев» import pandas as pd
from matplotlib import pyplot as plt from collections import Counter plt.style.use("fivethirtyeight") data_set = pd.read_csv('Blues end.csv') index = data_set['number'] ranges = data_set['bpm_range'] counter = Counter() for index in ranges: counter.update(index.split(';')) range_bpm = [] value = [] for item in counter.most_common(100): range_bpm.append(item[0]) value.append(item[1]) range_bpm.reverse() value.reverse() plt.barh( range_bpm, value, linewidth=.5, edgecolor='black', color='#e85b45', label='Количество точек на предыдущем графике' ) plt.legend() plt.title('Популярность интервала значений BPM в блюзе', fontsize=25) plt.xlabel('Количество песен в диапазоне BPM', fontsize=18) plt.ylabel('Диапазоны BPM', fontsize=18) plt.tight_layout() plt.show() Сам CSV-DataSet: github.com/Chillout.csv Много наложений точек друг на друга. К сожалению, не знаю, как это исправить. Пришлось сделать точки более прозрачными, с помощью аргумента «alpha» функции «.scatter».  «Код точечной диаграммы с комментариями» from matplotlib import pyplot as plt # Первый каноничный импорт
import pandas as pd # Второй каноничный импорт для обработки DataSet'а plt.style.use('fivethirtyeight') # Назначаем стилистику визуализации data_set = pd.read_csv('Chillout.csv') # Считываем данные SCV-файла с DataSet'ом bpm = data_set['bpm'] # Переменная, для параметра BPM в каждой строке year = data_set['year'] # Переменная, для параметра "год релиза" в каждой строке plt.scatter( # Построение точечного графика и его настройка bpm, year, # Данные для осей «x» и «y» c=bpm, # Привязка цвета к нужной оси s=bpm*1.5, # Зависимость размера точки cmap='gist_heat', # Цветовая карта графика edgecolor='black', # Цвет контура точки linewidth=.7 # Толщина контура точки alpha=.5 # Прозрачность точки ) bar = plt.colorbar( # Построение шкалы BPM orientation='horizontal', # Ориентация шкалы shrink=0.8, # Масштаб шкалы extend='both', # Скос краёв шкалы extendfrac=.1 # Угол скоса краёв ) bar.set_label('Шкала ударов в минуту', fontsize=18) # Подпись шкалы plt.title('Популярность скорости ' # Заголовок графика 'исполнения в Chillout', fontsize=25) plt.xlabel('BPM', fontsize=18) # Ось абсцисс plt.ylabel('Год релиза', fontsize=18) # Ось ординат plt.tight_layout() # Настройка параметров подзаголовков в области отображения plt.show() # Вывод на экран  Самый популярный диапазон: 80-100«Код гистограммы без комментариев» import pandas as pd
from matplotlib import pyplot as plt from collections import Counter plt.style.use("fivethirtyeight") data_set = pd.read_csv('Chillout end.csv') index = data_set['number'] ranges = data_set['bpm_range'] counter = Counter() for index in ranges: counter.update(index.split(';')) range_bpm = [] value = [] for item in counter.most_common(100): range_bpm.append(item[0]) value.append(item[1]) range_bpm.reverse() value.reverse() plt.barh( range_bpm, value, linewidth=.5, edgecolor='black', color='#e85b45', label='Количество точек на предыдущем графике' ) plt.legend() plt.title('Популярность интервала значений BPM в Chillout', fontsize=25) plt.xlabel('Количество песен в диапазоне BPM', fontsize=18) plt.ylabel('Диапазоны BPM', fontsize=18) plt.tight_layout() plt.show() Сам CSV-DataSet: github.com/EDM.csvЗдесь также для наглядности пришлось сделать точки ещё более прозрачными. Если кто-то знает, как исправить дефект наложения, прошу написать в комментариях.  Довольно однозначно вышло...«Код точечной диаграммы с комментариями» from matplotlib import pyplot as plt # Первый каноничный импорт
import pandas as pd # Второй каноничный импорт для обработки DataSet'а plt.style.use('fivethirtyeight') # Назначаем стилистику визуализации data_set = pd.read_csv('EDM.csv') # Считываем данные SCV-файла с DataSet'ом bpm = data_set['bpm'] # Переменная, для параметра BPM в каждой строке year = data_set['year'] # Переменная, для параметра "год релиза" в каждой строке plt.scatter( # Построение точечного графика и его настройка bpm, year, # Данные для осей «x» и «y» c=bpm, # Привязка цвета к нужной оси s=bpm*1.5, # Зависимость размера точки cmap='gist_heat', # Цветовая карта графика edgecolor='black', # Цвет контура точки linewidth=.7 # Толщина контура точки alpha=.2 # Прозрачность точки ) bar = plt.colorbar( # Построение шкалы BPM orientation='horizontal', # Ориентация шкалы shrink=0.8, # Масштаб шкалы extend='both', # Скос краёв шкалы extendfrac=.1 # Угол скоса краёв ) bar.set_label('Шкала ударов в минуту', fontsize=18) # Подпись шкалы plt.title('Популярность скорости ' # Заголовок графика 'исполнения в EDM', fontsize=25) plt.xlabel('BPM', fontsize=18) # Ось абсцисс plt.ylabel('Год релиза', fontsize=18) # Ось ординат plt.tight_layout() # Настройка параметров подзаголовков в области отображения plt.show() # Вывод на экран  Самый популярный диапазон: 120-140«Код гистограммы без комментариев» import pandas as pd
from matplotlib import pyplot as plt from collections import Counter plt.style.use("fivethirtyeight") data_set = pd.read_csv('EDM end.csv') index = data_set['number'] ranges = data_set['bpm_range'] counter = Counter() for index in ranges: counter.update(index.split(';')) range_bpm = [] value = [] for item in counter.most_common(100): range_bpm.append(item[0]) value.append(item[1]) range_bpm.reverse() value.reverse() plt.barh( range_bpm, value, linewidth=.5, edgecolor='black', color='#e85b45', label='Количество точек на предыдущем графике' ) plt.legend() plt.title('Популярность интервала значений BPM в EDM', fontsize=25) plt.xlabel('Количество песен в диапазоне BPM', fontsize=18) plt.ylabel('Диапазоны BPM', fontsize=18) plt.tight_layout() plt.show()   BPM/Кол-во треков<6060-8080-100100-120120-140140-160160-180Blues2925351568Chillout11351819125EDM13216762Rap56120743Rock62025271111Итог:2321441191353929«Простой код, простого графика» from matplotlib import pyplot as plt
plt.style.use('fivethirtyeight') x = ['<60', '60-80', '80-100', '100-120', '120-140', '140-160', '160-180'] y = [2, 32, 144, 119, 135, 39, 29] plt.plot(x, y, label='BPM', c='#e85b45') plt.legend() plt.title('Сравнение всех диапазонов BPM во всех жанрах', fontsize=25) plt.xlabel('Диапазон BPM', fontsize=18) plt.ylabel('Количество треков', fontsize=18) plt.tight_layout() plt.show() =========== Источник: habr.com =========== Похожие новости:
Программирование ), #_big_data, #_vizualizatsija_dannyh ( Визуализация данных ), #_zvuk ( Звук ) |
|
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 14-Май 01:46
Часовой пояс: UTC + 5