«We gon’ be alright!
Do you hear me, do you feel me? We gon’ be alright!»
Kendrick Lamar — одна из самых ярких и влиятельных фигур в современной музыке.
Его творчество сочетает глубокую лирику, социальную осмысленность и уникальные музыкальные эксперименты, что делает его идеальным объектом для исследования. Я выбрала для анализа датасет из Spotify, содержащий данные о популярности его треков, их характеристиках и других метриках. Этот материал позволяет не только изучить эволюцию Кендрика как артиста, но и понять, какие аспекты его творчества находят наибольший отклик у слушателей.
Мне особенно интересен этот проект, потому что музыка Кендрика мне близка, а также объединяет в себе мощный эмоциональный заряд и интеллектуальную глубину. Она вдохновляет миллионы людей, заставляет задуматься и вызывает сильные эмоции. Анализ его музыки — способ исследовать, как его стиль и популярность менялись со временем.
Для визуализации я использовала:
Гистограммы — чтобы показать, как количество выпущенных треков менялось по годам и как распределяется их продолжительность.
Линейный график — для отображения трендов популярности треков с течением времени.
Точечные диаграммы — чтобы проанализировать, как различные численные характеристики песен (например, энергия, темп) связаны с их популярностью.
Круговую диаграмму — для сравнения популярности треков с нецензурной лексикой и без неё.
Оформление
Графики выполнены в современном минималистичном стиле, вдохновленном ключевыми альбомами Кендрика Ламара: яркий красный DAMN. (#F23535), мягкий бежевый – Section.80 (#F2F0E4) и глубокий синий Good Kid, M.A.A.D City (#275A85).
Шрифт Montserrat был выбран за его универсальность и частое использование в музыкальных постерах, что создает ассоциацию с культурой современного хип-хопа, а также отсылка на лаконичные шрифты на обложках альбома Ламара.
Продуктивность по годам
Интересным кажется проанализировать активность Кендрика из года в год. Проанализируем количество треков в каждом году с помощью гистограммы.
Сначала импортируем библиотеки seaborn и matplotlib для отрисовки графиков. Далее воспользуемся функцией set в seaborn и параметром font.family в matplotlib для того чтобы установить стилистические параметры: цвет и шрифт.
После с помощью функции histplot нарисуем гистограмму количества выпущенных треков по времени.
На гистограмме видно, что среднее количество треков, выпускаемых в год падает вплоть до сегодняшних дней. Может показаться, что рост артиста обязательно сопряжен с ростом количества выпускаемого материала, но на примере Кендрика мы видим, что это верно лишь до какого-то момента.
Наверное, в какой-то момент, когда ты уже достиг вершины, логично остановится, взять паузу и начать относиться к своему творчеству более взвешенно и рефлексивно.
Популярность треков
Теперь посмотрим на другой маркер продуктивности - популярность песен. С помощью функции scatterplot нарисуем диаграмму рассеивания двух переменных: realese_date и popularity. Это позволит нам увидеть наличие или отсутствие взаимосвязи между двумя параметрами.
Полученный результат кажется действительно интересным. Хоть плотность облака падает, по мере увеличения времени, мы видим, что средняя популярность песен растет по прошествию лет. Это можно считать хорошим маркером качества работы артиста.
Численные характеристики песен
Для того чтобы далее на графике разделить собственные треки Ламара от фитов добавим новый столбец в таблицу: feature. Если трек Кендрика - значение будет равно not feature, если же трек другого артиста - feature.
Проверим как влияют разного рода харатеристики песен на популярность. Также на диаграммах разобьем песни на треки самого исполнителя и те, где Кендрик выступает гостем.
В первой строчке мы создаем пустое полотно для графиков размером 3 на 3. Далее в отдельный список выделяем колонки, которые хотим исследовать на графике.
Во вложенном цикле создаем попарные диаграммы рассеивания и отрисовываем их на созданном ранее полотне.
На полученных графиках мы видим попарную взаимосвязь всех числовых параметров песни с параметром popularity. Можно отметить, что значимой связи ни один из этих параметров с популярностью не имеет.
Популярность и нецензурщина
Исследуем связь нецензурной лексики и популярности песен. Для того чтобы определить распределение попуряности будем использовать boxen - удобный для отображения распределений квантильный график.
По оси Х будем отображать цензурные и нецензурные треки, а по оси Y - распределение популярности.
