Spotify分析：通过探索性数据分析和机器学习从Spotify歌曲数据中挖掘有趣的洞察

简介：
本项目运用探索性数据分析与机器学习技术深入研究Spotify音乐库，揭示歌曲特征及其流行趋势间的关联，旨在发掘音乐数据中的有趣见解。 Spotify分析目标应用探索性数据分析和机器学习从Spotify歌曲数据集中提取有趣的信息。该资料集包含2010年十年间每年的热门歌曲。数据集中的列包括：ID、标题（歌曲名称）、歌手、热门流派、发行年份、bpm（每分钟节拍数，表示节奏）、nrgy（能量值，数值越高则音乐越有活力），dnce（可跳舞性，数值越高则更易随曲舞动），dB（响度，以分贝为单位的音量大小）、live（活跃度，数值越大歌曲可能越接近现场录音版本）, val(愉悦感，数值越高表示心情更加积极), dur (长度：音乐持续时间)，acous （声学性，数值越高则音乐更偏重于乐器演奏），spch（语音特性，值越高表明歌词中包含的单词越多）、pop（流行度，值越高代表歌曲越受欢迎）。在数据预处理阶段，我们按超类型创建和分组top genr。