如今的歌曲有多适合跳舞？
现在该更深入地分析 Spotify 数据，看看音乐中的一些趋势了。
在每个 CSV 文件中，"danceability" 列给出了每首歌的可舞性分数，范围在 0 到 1 之间。该分数综合了多种音乐要素来衡量一首歌是否适合跳舞，包括速度、节奏稳定性、节拍强度以及整体规律性。您认为这些年歌曲更适合跳舞了，还是不如从前？
已为您导入 dask 和 delayed() 函数。已将 pandas 以 pd 名称导入，并将 matplotlib.pyplot 以 plt 名称导入。文件名列表在您的环境中以 filenames 提供，每个文件对应的年份存储在 years 列表中。
本练习是课程的一部分
Python 中的 Dask 并行编程
练习说明
- 在循环中，以惰性方式加载每个文件。
- 使用
"danceability"列，计算每个文件中歌曲的可舞性均值。 - 计算
danceabilities列表中的所有结果，并选择返回元组的第 1 个元素。 - 使用
plt.plot()绘图：将years作为 x 轴，将danceability_list作为 y 轴。
交互式实操练习
通过完成这段示例代码来试试这个练习。
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()