Czy współczesne piosenki nadają się do tańca?

Czas zagłębić się w dane Spotify i przeanalizować trendy w muzyce.

W każdym pliku CSV kolumna 'danceability' zawiera wynik z zakresu od 0 do 1, określający, jak bardzo dana piosenka nadaje się do tańca. Wynik opisuje, jak odpowiedni jest utwór do tańczenia – na podstawie kombinacji elementów muzycznych, takich jak tempo, stabilność rytmu, siła uderzenia i ogólna regularność. Czy uważasz, że do współczesnych piosenek tańczy się lepiej czy gorzej niż kiedyś?

dask i funkcja delayed() zostały już zaimportowane. pandas jest dostępny jako pd, a matplotlib.pyplot jako plt. Lista nazw plików jest dostępna w twoim środowisku jako filenames, a rok odpowiadający każdemu plikowi jest przechowywany na liście years.

To ćwiczenie jest częścią kursu

Programowanie równoległe z Dask w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Wewnątrz pętli wczytaj leniwie każdy plik.
Korzystając z kolumny 'danceability', oblicz średnią taneczność piosenek w każdym pliku.
Oblicz wszystkie wyniki z listy danceabilities i wybierz pierwszy element zwróconej krotki.
Stwórz wykres, umieszczając danceability_list na osi Y i years na osi X za pomocą plt.plot().

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

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()

Edytuj i uruchom kod