Les chansons sont-elles plus dansantes de nos jours?

C'est le moment d'examiner plus à fond les données de Spotify pour analyser certaines tendances musicales.

Dans chaque fichier CSV, la colonne 'danceability' contient une cote entre 0 et 1 indiquant à quel point chaque chanson est dansante. Cette cote décrit dans quelle mesure une piste se prête à la danse en fonction d'un ensemble d'éléments musicaux, dont le tempo, la stabilité du rythme, la force de la pulsation et la régularité générale. Selon vous, les chansons deviennent-elles plus ou moins propices à danser?

dask et la fonction delayed() ont été importés pour vous. pandas a été importé sous le nom pd, et matplotlib.pyplot sous le nom plt. La liste des noms de fichiers est disponible dans votre environnement sous filenames, et l'année de chaque fichier se trouve dans la liste years.

Cette activité fait partie du cours

Programmation parallèle avec Dask en Python

Voir le cours

Instructions de l’exercice

À l'intérieur de la boucle, chargez paresseusement chaque fichier.
En utilisant la colonne 'danceability', trouvez la moyenne de la dansabilité des chansons dans chaque fichier.
Calculez tous les résultats de la liste danceabilities et sélectionnez le premier élément du tuple obtenu.
Tracez un graphique avec danceability_list sur l'axe des ordonnées et years sur l'axe des abscisses en utilisant plt.plot().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

danceabilities = []

for file in filenames:
	# Lazily load in the data
    df = ____
    # Calculate the average danceability in the file of songs
    mean_danceability = ____
    danceabilities.append(mean_danceability)

# Compute all the mean danceabilities
danceability_list = ____
# Plot the results
____
plt.show()

Modifier et exécuter le code