Python分析Spotify听歌数据：从API获取到高级可视化

1. 项目概述从数据角度重新认识你的音乐品味作为一个长期使用Spotify的音乐爱好者我发现自己经常在年底收到平台的年度回顾报告时感到惊喜——原来我今年听了这么多遍这首歌。这种数据驱动的自我发现体验让我萌生了一个想法为什么不自己动手分析这些数据呢于是就有了这个用Python解析个人Spotify听歌数据的项目。这个项目的核心价值在于它让你摆脱平台预设的分析框架完全按照个人兴趣来探索自己的音乐行为模式。比如你可以发现每周不同时段的音乐偏好变化特定情绪状态下的歌曲选择规律长期音乐品味的演变轨迹甚至预测下一首可能会喜欢的歌曲提示Spotify官方API提供了6个月内的详细收听记录但通过数据请求可以获取完整的收听历史需要特别申请。2. 环境准备与数据获取2.1 创建Spotify开发者应用首先需要在 Spotify开发者平台 创建一个应用来获取API凭证登录后点击Create an App填写应用名称和描述可以随意填写记录下生成的Client ID和Client Secret在设置中添加回调URL本地开发可以用http://localhost:8080# 配置示例 SPOTIFY_CLIENT_ID your_client_id SPOTIFY_CLIENT_SECRET your_client_secret REDIRECT_URI http://localhost:80802.2 获取个人收听数据Spotify提供两种数据获取方式通过API获取近期数据最近6个月需要用户授权可以实时获取包含播放次数、时间戳等详细信息请求完整数据副本可能需要30天通过 隐私设置页面 申请包含所有历史收听记录数据以JSON格式提供# 使用spotipy库进行认证 import spotipy from spotipy.oauth2 import SpotifyOAuth scope user-read-recently-played user-top-read sp spotipy.Spotify(auth_managerSpotifyOAuth( client_idSPOTIFY_CLIENT_ID, client_secretSPOTIFY_CLIENT_SECRET, redirect_uriREDIRECT_URI, scopescope))3. 数据分析核心模块实现3.1 基础数据清洗与转换原始数据通常需要经过以下处理def clean_spotify_data(raw_data): # 转换时间戳 raw_data[played_at] pd.to_datetime(raw_data[played_at]) # 提取音频特征 track_ids raw_data[track_id].tolist() audio_features [] for i in range(0, len(track_ids), 50): batch track_ids[i:i50] audio_features.extend(sp.audio_features(batch)) # 合并数据 features_df pd.DataFrame(audio_features) merged_df pd.merge(raw_data, features_df, left_ontrack_id, right_onid) # 添加衍生特征 merged_df[hour_of_day] merged_df[played_at].dt.hour merged_df[day_of_week] merged_df[played_at].dt.dayofweek merged_df[is_weekend] merged_df[day_of_week].isin([5,6]).astype(int) return merged_df3.2 音乐特征分析Spotify为每首歌曲提供了丰富的音频特征特征说明分析价值danceability舞蹈性识别运动时的音乐偏好energy能量感分析不同时段的能量需求valence愉悦度情绪状态推断tempo速度(BPM)活动强度关联分析speechiness语言含量学习/工作时的偏好acousticness原声程度品味演变分析def analyze_audio_features(df): # 时段特征分析 time_features df.groupby(hour_of_day)[ [danceability, energy, valence] ].mean().reset_index() # 周特征分析 weekly_pattern df.groupby(day_of_week)[ tempo ].agg([mean, count]).reset_index() # 情绪聚类 from sklearn.cluster import KMeans kmeans KMeans(n_clusters3) df[mood_cluster] kmeans.fit_predict(df[[valence, energy]]) return { time_features: time_features, weekly_pattern: weekly_pattern, mood_clusters: kmeans.cluster_centers_ }3.3 收听行为可视化使用Plotly创建交互式可视化import plotly.express as px def create_heatmap(df): fig px.density_heatmap( df, xhour_of_day, yday_of_week, zdanceability, histfuncavg, title一周内舞蹈性偏好变化 ) fig.update_layout( yaxis_title星期几, xaxis_title小时, yaxisdict(tickvalslist(range(7)), ticktext[周一,周二,周三,周四,周五,周六,周日]) ) return fig def create_mood_scatter(df): fig px.scatter( df, xvalence, yenergy, colormood_cluster, hover_data[track_name], title歌曲情绪分布 ) return fig4. 高级分析技巧4.1 音乐品味演变分析通过时间序列分析观察音乐品味的变化def analyze_temporal_trends(df): # 按月聚合 monthly df.set_index(played_at).resample(M)[ [danceability, energy, valence] ].mean() # 滚动平均平滑 smooth monthly.rolling(window3).mean() # 绘制趋势线 fig px.line(smooth, title音乐特征月度变化趋势) return fig4.2 艺人网络关系图分析你经常一起听的艺人之间的关系import networkx as nx def create_artist_network(df): # 创建共现矩阵 artist_pairs df.groupby(played_at)[artist_name].unique().apply( lambda x: list(itertools.combinations(x, 2)) if len(x)1 else [] ).explode().dropna() # 构建图 G nx.Graph() for pair in artist_pairs: if G.has_edge(*pair): G.edges[pair][weight] 1 else: G.add_edge(*pair, weight1) # 可视化 pos nx.spring_layout(G) nx.draw(G, pos, with_labelsTrue, edge_color[d[weight] for _,_,d in G.edges(dataTrue)])4.3 播放预测模型基于历史数据预测未来可能喜欢的歌曲from sklearn.ensemble import RandomForestClassifier from sklearn.model_selection import train_test_split def build_recommendation_model(df): # 标记常听歌曲 play_counts df[track_id].value_counts() df[is_frequent] df[track_id].apply( lambda x: 1 if play_counts[x] play_counts.quantile(0.75) else 0) # 准备特征 features [danceability, energy, valence, tempo, hour_of_day, day_of_week] X df[features] y df[is_frequent] # 训练模型 X_train, X_test, y_train, y_test train_test_split(X, y) model RandomForestClassifier() model.fit(X_train, y_train) return model5. 实战经验与避坑指南5.1 数据获取常见问题API速率限制Spotify API每分钟限制100次请求批量获取音频特征时需分块处理建议50首/批添加适当的sleep间隔0.5-1秒历史数据不完整官方API只提供最近6个月数据完整数据需要单独申请处理时间可能长达30天建议定期备份自己的收听数据认证令牌过期访问令牌1小时后失效使用刷新令牌自动获取新令牌实现令牌持久化存储# 令牌刷新示例 def get_refreshed_token(): auth_manager SpotifyOAuth( client_idSPOTIFY_CLIENT_ID, client_secretSPOTIFY_CLIENT_SECRET, redirect_uriREDIRECT_URI, scopescope) if not auth_manager.validate_token(auth_manager.get_cached_token()): auth_manager.refresh_access_token(auth_manager.get_cached_token()[refresh_token]) return auth_manager.get_access_token()5.2 分析技巧进阶时段分析的黄金分割不要简单按小时分析尝试划分早晨通勤(7-9)工作时间(9-12, 13-17)晚间放松(18-22)深夜时段(23-3)情绪四象限法将valence和energy组合为高能快乐(右上)高能愤怒(右下)低能悲伤(左下)低能平静(左上)艺人影响力指数def calculate_artist_impact(df): play_counts df[artist_name].value_counts() recency (pd.Timestamp.now() - df.groupby(artist_name)[played_at].max()).dt.days impact play_counts / (recency 1) # 1避免除零 return impact.sort_values(ascendingFalse)5.3 可视化优化技巧颜色主题选择情绪分析使用红色(愤怒)-黄色(快乐)-蓝色(悲伤)渐变时段分析使用日出到日落的颜色渐变艺人网络使用Spotify品牌绿作为主色交互式提示设计fig.update_traces( hovertemplateb%{customdata[0]}/bbr 艺人: %{customdata[1]}br 播放时间: %{customdata[2]}br 舞蹈性: %{x:.2f}br 能量: %{y:.2f}extra/extra )动态时间轴fig px.scatter( df, xvalence, yenergy, animation_framedf[played_at].dt.strftime(%Y-%m), range_x[0,1], range_y[0,1] )6. 项目扩展方向6.1 实时收听仪表板使用Dash构建实时监控面板import dash from dash import dcc, html app dash.Dash(__name__) app.layout html.Div([ dcc.Graph(idmood-scatter), dcc.Interval( idinterval-component, interval60*1000, # 1分钟刷新 n_intervals0 ) ]) app.callback( Output(mood-scatter, figure), Input(interval-component, n_intervals) ) def update_graph(n): recent_tracks get_recently_played() return create_mood_scatter(recent_tracks)6.2 自动播放列表生成基于分析结果创建智能播放列表def create_mood_playlist(df, moodcalm): mood_filters { calm: (df[energy] 0.4) (df[valence] 0.6), energetic: (df[energy] 0.7) (df[danceability] 0.7), focus: (df[speechiness] 0.1) (df[tempo].between(50, 70)) } track_uris df[mood_filters[mood]][track_uri].tolist() playlist sp.user_playlist_create( user_id, f我的{mood}歌单 - {datetime.now().strftime(%Y-%m-%d)}, publicFalse) sp.playlist_add_items(playlist[id], track_uris[:50])6.3 跨平台数据整合结合Last.fm等其他平台数据def merge_multiple_sources(spotify_df, lastfm_df): # 统一时间格式 lastfm_df[timestamp] pd.to_datetime(lastfm_df[timestamp], units) # 合并数据集 merged pd.concat([ spotify_df[[track_name, artist_name, played_at]], lastfm_df[[track_name, artist_name, timestamp]].rename( columns{timestamp: played_at}) ]) # 去重并排序 return merged.drop_duplicates().sort_values(played_at)在完成这个项目的过程中我发现最有意思的洞察是工作日和周末的音乐选择差异远比想象中大——周一到周五我倾向于听更多器乐和低歌词含量的音乐可能是为了专注工作而周末则明显偏好节奏感强的流行音乐。这种模式在数据可视化中呈现出惊人的规律性让我开始有意识地调整不同场景下的音乐选择策略。