Звук в цифрах

Мы привыкли думать о популярной музыке через имена и обложки: новый трек любимого артиста, песня из рекламы, хит из ленты. Но у каждого трека, ставшего популярным, есть и вторая, скрытая сторона — числовая. Темп в ударах в минуту, уровень энергии, танцевальность, эмоциональная окраска, лад. Именно эти параметры, а не только имя исполнителя, определяют, как трек звучит и почему он расходится по миллионам плейлистов.

Тему была выбрана потому, что музыка — это привычный и эмоционально близкий материал, который при этом отлично поддается количественному анализу. Каждый человек слушает музыку, у каждого есть интуиция о том, какой бывает «хит», — и тем интереснее проверить эту интуицию числами. Данные позволяют увидеть закономерности, которые на слух не считываются: например, что популярная музыка живёт в узком коридоре темпа, а у самых успешных треков заметно выше эмоциональная позитивность.

В основе проекта — открытый датасет Spotify Most Streamed Songs, опубликованный на платформе Kaggle (автор: abdulszz).

Датасет содержит данные о самых прослушиваемых треках на Spotify с набором характеристик для каждого трека:

• название трека и исполнитель;
• год выпуска;
• суммарное число прослушиваний;
• темп (BPM), тональность и лад (мажор / минор);
• аудио-характеристики в процентах: танцевальность, энергия, эмоциональная позитивность (valence), акустичность, речитативность;
• присутствие в плейлистах и чартах Spotify, Apple Music, Deezer.

После очистки в работе осталось 952 трека. Датасет представляет собой срез данных за 2023 год. Поэтому абсолютные числа прослушиваний здесь ниже, чем актуальные значения в реальном времени, — это фиксированный снимок, а не живая статистика. Все выводы проекта относятся именно к этому срезу.

Данные загружены из CSV-файла и обработаны в Python: числовые столбцы очищены и приведены к корректным типам. Для каждой визуализации подготовлены отдельные срезы.

Графики были построены с помощью RAWGraphs 2.0. В нем я собрала основные визуализации и проверила разные варианты диаграмм, чтобы выбрать те, которые лучше всего подходят для постера.

После построения графиков работа была перенесена в Figma, где выполнялась верстка инфографики: там я собрала сетку и композицию постера. Фактуры, свечения и полутоновые элементы обрабатывались в Adobe Photoshop.