Comparação entre músicas da década de 60 até os anos 2010. O que mudou?

Author

Laila Viana

Dataset para análise

O dataset escolhido foi baixado do Kaggle e ele trata sobre músicas lançadas desde a década de 60 até os anos 2010.
O objetivo da análise é avaliar quais características mudaram nas músicas ao longo das décadas e se as músicas consideradas hits continuam com as mesmas características ao longo do tempo ou se houve alguma mudança. Além disso, vamos dar uma olhada em quem foram os artistas que lançaram mais hits ao longo das décadas.

Linguagem e bibliotecas utilizadas

A linguagem utilizada será python e as análises exploratórias e visualização serão feitas utilizando as bibliotecas pandas, glob, os, seaborn e matplotlib.

Code 
import pandas as pd
import glob as glob
import os as os
import seaborn as sb
import matplotlib.pyplot as plt

Importando os dados

Para importação dos dados utilizamos o método read_csv do pandas. Como se tratavam de vários datasets, cada um contendo músicas pertencentes à uma década diferente, a solução encontrada foi criar um caminho para onde estavam os arquivos, ler cada um deles, adicionar uma coluna para identificar qual década do lançamento da música e por fim, concatenar todos eles em um unico dataframe. Para isso utilizamos as bibliotecas glob e os.

Code 
path = r'D:/Documents/Curso-R/Python-para-usuarios-R/trabalho_final_python/'
files =  glob.glob(path + "/*.csv")

spotify = pd.concat([pd.read_csv(files).assign(decade=os.path.basename(files).split('.')[0]) 
       for files in files])

Análise exploratória

Para uma rápida análise exploratória, vamos utilizar dois métodos, o info e o describe.

Com o resultado obtido do info, foi possível observar que o dado se trata de um dataframe contendo 20 colunas e 41106 linhas, sendo os tipos presentes:

  • float (número quebrado)
  • int (número inteiro)
  • object (semelhante à str)
Code 
spotify.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 41106 entries, 0 to 5519
Data columns (total 20 columns):
 #   Column            Non-Null Count  Dtype  
---  ------            --------------  -----  
 0   track             41106 non-null  object 
 1   artist            41106 non-null  object 
 2   uri               41106 non-null  object 
 3   danceability      41106 non-null  float64
 4   energy            41106 non-null  float64
 5   key               41106 non-null  int64  
 6   loudness          41106 non-null  float64
 7   mode              41106 non-null  int64  
 8   speechiness       41106 non-null  float64
 9   acousticness      41106 non-null  float64
 10  instrumentalness  41106 non-null  float64
 11  liveness          41106 non-null  float64
 12  valence           41106 non-null  float64
 13  tempo             41106 non-null  float64
 14  duration_ms       41106 non-null  int64  
 15  time_signature    41106 non-null  int64  
 16  chorus_hit        41106 non-null  float64
 17  sections          41106 non-null  int64  
 18  target            41106 non-null  int64  
 19  decade            41106 non-null  object 
dtypes: float64(10), int64(6), object(4)
memory usage: 6.6+ MB

Já o describe nos retornou todas as colunas que se enquandravam no quesito número e mostrou a contagem, a média, o desvio padrão, o número mínimo, 25%, 50%, 75% e o número máximo encontrado.

Code 
spotify.describe()
danceability energy key loudness mode speechiness acousticness instrumentalness liveness valence tempo duration_ms time_signature chorus_hit sections target
count 41106.000000 41106.000000 41106.000000 41106.000000 41106.000000 41106.000000 41106.000000 41106.000000 41106.000000 41106.000000 41106.000000 4.110600e+04 41106.000000 41106.000000 41106.000000 41106.000000
mean 0.539695 0.579545 5.213594 -10.221525 0.693354 0.072960 0.364197 0.154416 0.201535 0.542440 119.338249 2.348776e+05 3.893689 40.106041 10.475673 0.500000
std 0.177821 0.252628 3.534977 5.311626 0.461107 0.086112 0.338913 0.303530 0.172959 0.267329 29.098845 1.189674e+05 0.423073 19.005515 4.871850 0.500006
min 0.000000 0.000251 0.000000 -49.253000 0.000000 0.000000 0.000000 0.000000 0.013000 0.000000 0.000000 1.516800e+04 0.000000 0.000000 0.000000 0.000000
25% 0.420000 0.396000 2.000000 -12.816000 0.000000 0.033700 0.039400 0.000000 0.094000 0.330000 97.397000 1.729278e+05 4.000000 27.599792 8.000000 0.000000
50% 0.552000 0.601000 5.000000 -9.257000 1.000000 0.043400 0.258000 0.000120 0.132000 0.558000 117.565000 2.179070e+05 4.000000 35.850795 10.000000 0.500000
75% 0.669000 0.787000 8.000000 -6.374250 1.000000 0.069800 0.676000 0.061250 0.261000 0.768000 136.494000 2.667730e+05 4.000000 47.625615 12.000000 1.000000
max 0.988000 1.000000 11.000000 3.744000 1.000000 0.960000 0.996000 1.000000 0.999000 0.996000 241.423000 4.170227e+06 5.000000 433.182000 169.000000 1.000000

Comparação das medianas entre as músicas consideradas hit e flop em todas as décadas estudadas

Para realizar a comparação, as linhas foram filtradas com base no valor da coluna target. Se a coluna target fosse 1, a música era um hit, e se o valor fosse 0, a música era um flop. Feito isso, recuperamos os valores da mediana fornecido pelo describe e depois concatenamos usando o método concat do pandas.

Foi possível observar que em geral, as músicas consideradas hits tiveram uma mediana maior na danceability, energy, valence (mais alegres) e uma mediana menor em acousticness, significando que não se tratam de músicas acústicas.

Code 
hit = spotify.query("target == 1")
flop = spotify.query("target == 0")

hit_median = hit.describe().loc["50%"]
flop_median = flop.describe().loc["50%"]

median_joined = pd.concat([hit_median, flop_median], axis = 1)
median_joined.columns = ["hit_mediana", "flop_mediana"]

median_joined
hit_mediana flop_mediana
danceability 0.610000 0.48300
energy 0.642000 0.53300
key 5.000000 5.00000
loudness -8.273000 -10.66400
mode 1.000000 1.00000
speechiness 0.040600 0.04600
acousticness 0.181000 0.43900
instrumentalness 0.000006 0.01050
liveness 0.130000 0.13400
valence 0.633000 0.47000
tempo 118.881000 115.90600
duration_ms 220440.000000 214000.00000
time_signature 4.000000 4.00000
chorus_hit 35.352590 36.40476
sections 10.000000 10.00000
target 1.000000 0.00000

As músicas consideradas hits soam mais felizes ou tristes?

Para avaliar isso, levamos em conta a váriavel valence, que varia de 0 a 1, onde quando mais próximo de 0, mais ela é negativa (triste, depressiva ou raivosa) e quando mais próxima de 1, mais positiva, alegre e eufória ela é.

Para as músicas consideradas hit, uma coisa interessante foi observada. Nas décadas de 60, 70 e 80 elas eram consideradas mais alegres, mas ao passar para os anos 90, 2000 e 2010, é possível observar um deslocamento na curva em direção à esquerda, mostrando que os hits não se tratam de músicas necessariamente muito alegres.

Com relação às músicas consideradas flop, a distribuição é bem parecida ao longo das décadas. Interessante chamar atenção para a década de 2010 que tem seu pico próximo de 0, mostrando que as músicas consideradas flop são tristes.

Code 
spotify_2 = (spotify
  .filter(["valence", "decade", "target"])
  .reset_index()
)

sb.displot(spotify_2, x = "valence", hue = "decade", kind = "kde", col = "target", height=4, aspect=.7)
<seaborn.axisgrid.FacetGrid at 0x2902fd0a550>

Qual a duração das músicas consideradas hits?

A duração das músicas consideradas hits foi em média 4 minutos, não ouve muita variação em relação às músicas consideradas flop. Uma coisa interessante é que na década de 60 as músicas em geral eram mais curtas que as produzidas nas décadas seguintes.

Code 
spotify_duracao = (spotify
  .assign(duracao = spotify.duration_ms / 60000)
  .reset_index()
)
sb.displot(data = spotify_duracao, x = "duracao", kind = "kde", hue = "decade", col = "target", height=4, aspect=.7)
plt.xlim(0,10)
(0.0, 10.0)

Ser no formato acústico interfere se a música vai ser um hit ou um flop?

Para responder isso, avaliamos a distribuição dos valores que dizem se as músicas são acústicas (valor próximo de 1) ou se são feitas por meio eletrônico (valor próximo de 0).

Foi observado que para músicas consideradas hits, desde os anos 70 é possível ver que os valores estão deslocados para o lado esquerdo do gráfico, ou seja, em geral não são músicas acústicas. Já para a década de 60, provavelmente por causa de tecnologias ainda não existentes, as músicas são majoritariamente acústicas.

Para as músicas consideradas flop, é possível observar a presença de picos tanto em valores próximos a 0 quanto próximos à 1. O que sugere que o fato de ser acústico pode levar a música a ser um flop, mas nem todos os flops são músicas acústicas.

Code 
spotify_3 = spotify.reset_index()
sb.displot(data = spotify_3, x = "acousticness", kind = "kde", hue = "decade", col = "target", height=4, aspect=.7)
<seaborn.axisgrid.FacetGrid at 0x290311e6f10>

Quais foram os artistas que tiveram maior número de hits ao longo das décadas? Quem apareceu em mais décadas?

Os artistas que mais tiveram hits ao longo do tempo foram nomes bem conhecidos. No topo da lista estão os Beatles, seguidos por Elton John, Rolling Stones e Madonna. Dos cantores mais novos, estão Drake, Taylow Swift e o elenco de Glee.

Code 
target = (spotify
  .query("target == 1")
  .filter(["artist", "track", "decade"])
  .groupby(["artist", "decade"])
  .count()
  .sort_values(["decade","track"], ascending = False)
  .reset_index()
)

top_tracks = (target
  .groupby("artist")
  .sum()
  .sort_values(["track"], ascending = False)
  .reset_index()[:10]
)

sb.catplot(data = top_tracks, x = "track", y = "artist", kind = "bar")
<seaborn.axisgrid.FacetGrid at 0x2903210b730>

Com relação aos artistas que mais lançaram hits em diferentes décadas, temos uma lista um pouco diferente. Em primeiro e segundo lugar aparecem o Prince e a Cher, lançando hits em 5 décadas diferentes!

Também é possível reparar a presença de Stevie Wonder e Elton John nessa lista, mostrando que além de ter uma grande quantidade de hits, eles foram lançados ao longo de 40 anos!

Code 
top_artist = (target
  .filter(["artist","decade"])
  .groupby(["artist"])
  .count()
  .sort_values(["decade"], ascending = False)
  .reset_index()[:10]
)

sb.catplot(data = top_artist, x = "decade", y = "artist", kind = "bar")
<seaborn.axisgrid.FacetGrid at 0x290320fe490>

Conclusões

Dado os resultados obtidos, podemos tirar algumas conclusões, como:

  • As músicas ao longo do tempo apresentaram modificações em suas características, provavelmente associada ao desenvolvimento de novas tecnologias e também ao contexto social de cada momento;
  • Dos top10 artistas com mais hits, apenas 3 são artistas que surgiram nas décadas mais recentes;
  • Dos top10 artistas que mais aparecem ao longo das décadas, apenas 2 estão figurados com maior número de hits.