Hur dansvänliga är dagens låtar?

Nu är det dags att utforska Spotify-datan lite djupare och analysera trender i musiken.

I varje CSV-fil innehåller kolumnen 'danceability' ett värde mellan 0 och 1 som anger hur dansvänlig varje låt är. Värdet beskriver hur lämplig en låt är för dans, baserat på en kombination av musikaliska egenskaper som tempo, rytmstabilitet, beatstyrka och övergripande regelbundenhet. Tror du att låtar blivit lättare eller svårare att dansa till över tid?

dask och funktionen delayed() har redan importerats. pandas har importerats som pd och matplotlib.pyplot som plt. Listan med filnamn finns tillgänglig i din miljö som filenames, och årtalet för varje fil finns i listan years.

Den här övningen är en del av kursen

Parallellprogrammering med Dask i Python

Visa kurs

Övningsinstruktioner

Läs in varje fil på ett lazy sätt inuti loopen.
Använd kolumnen 'danceability' för att beräkna medeltal för dansvänlighet i varje fil.
Beräkna alla resultat i listan danceabilities och välj det första elementet i den resulterande tupeln.
Skapa ett diagram med danceability_list på y-axeln och years på x-axeln med hjälp av plt.plot().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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()

Redigera och kör kod