使用R语言分析告示牌百强单曲榜上的歌曲特征

使用R语言分析告示牌百强单曲榜上的歌曲特征

编者按：数据科学家Rosebud Anwuri使用R语言分析了告示牌百强单曲榜上的歌曲特征，以揭示过去60年来流行音乐的演变。

你从“年长者”那里最常听到的关于现代流行乐的看法是什么？一般来说是这个：“你们的音乐太吵了，缺乏内容。”他们喜欢谈论“古早”年代，有意义的歌曲，有灵魂的歌手，催人泪下的低音吉他。

这两者差别很大。然而，需要进行一些数据分析才能得出一般结论。作为千禧一代和数据科学家，我对此很感兴趣。“伟大”的音乐的标准真改变了那么多？是声音、歌词还是“消息”改变了？如果它们改变了，它们具体是如何改变的？

我将使用告示牌百强单曲榜（Billboards Hot 100）和Spotify的API作为数据来源，仔细查看流行音乐在过去六十年来的变化，并找出现在的流行音乐和以前的不同之处。

我的方法

在本文中，我所说的“伟大音乐”指进入告示牌百强单曲榜的音乐。我在GitHub上找到了相应的数据集kevinschaich/billboard-top-100-lyrics。这一数据集中包含许多有趣的特征，例如情感（Sentiment）、迷雾指数（估计在第一遍阅读时理解文本所需的正式教育年限）、单词数、重复单词/词组数。此外，Spotify的API提供了一个有趣的接口getaudiofeatures，其中提供了很多音乐特征，例如响度、乐器性（使用乐器的程度）、活力、现场性（现场是否有观众）、语音性、时长等。加上这些，我收集的1950年到2015年的告示牌百强单曲，总共有30项特征。

这些特征的描述可以在GitHub仓库的README文件和Spotify的API文档中查到，我也会在后文解释其中的部分特征。

我最初决定在这个项目中使用Python，某种程度上说，我确实用了Python。在我数据收集的第一次迭代的时候，我使用了Python的pandas和spotipy这两个库。

然而，随着项目的进行，我重新审视了我所用的方法，找到了一个更有趣的数据集。为此，