現在的歌曲有多適合跳舞？
來更深入探索 Spotify 的資料，分析音樂中的一些趨勢。
在每個 CSV 檔案中，'danceability' 欄位包含每首歌的可舞性分數，介於 0 到 1。這個分數是依據多種音樂要素的組合（例如節奏、節拍穩定度、鼓點強度與整體規律性）來描述這首曲子是否適合跳舞。你覺得歌曲越來越適合，還是越來越不適合拿來跳舞呢？
已為你匯入 dask 與 delayed() 函式。pandas 以 pd 匯入，matplotlib.pyplot 以 plt 匯入。環境中已提供檔名清單 filenames，而每個檔案對應的年份則在 years 清單中。
本練習屬於課程
在 Python 中使用 Dask 進行平行程式設計
練習說明
- 在迴圈中以惰性方式載入每個檔案。
- 使用
'danceability'欄位，計算每個檔案中歌曲的可舞性平均值。 - 計算
danceabilities清單中的所有結果，並選取輸出元組的第一個項目。 - 使用
plt.plot()繪圖，x 軸為years，y 軸為danceability_list。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
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()