1. 为什么放着现成的"年度总结"不用,非要自己跑Python分析
每年年底,Spotify都会给你推送一份漂亮的"年度总结"——你听了几分钟、哪个歌手是你的本命、哪首歌被你翻来覆去听了多少遍。做得确实精美,动画特效、卡片式排版,发朋友圈特别有面子。但说实话,我拿到手之后总有一种"不够解渴"的感觉。它只给了我几个高光数据,我想知道的东西它一概没有:我到底在什么时间段最沉迷?凌晨三点半是哪首歌在陪着我?三个月前和三个月后的听歌口味到底发生了什么变化?这些问题,官方不会回答你。
所以我决定自己动手,把Spotify的完整听歌记录导出来,用Python做一次彻底的数据分析。这个项目我从最初只是想满足好奇心,到后来跑完一遍完整的数据清洗、分析和可视化,收获远比想象中大。它不只是一个"练手项目",更像是一次用数据重新认识自己的过程。后来我把这套方法分享给身边好几个朋友,他们照着做,也发现了很多自己都没意识到的听歌习惯。
这个项目适合谁?我认为有这三类人:第一,数据分析初学者,这个数据集是真实的、跟你有情感连接的,分析起来不会觉得枯燥,比拿超市销售数据练手有意思得多;第二,想系统学一遍pandas、Matplotlib、Plotly可视化的人,这里面的数据清洗、分组聚合、时间序列、交互图表几乎全都能练到;第三,纯粹想挖一挖自己听歌行为秘密的量化自我爱好者。无论你是哪一类,这篇文章都会给你一份可以直接照抄的完整方案,包括数据导出、字段拆解、清洗逻辑、分析代码和可视化实现,以及我在实际操作中踩过的坑。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 拿到完整听歌数据的三个步骤
2.1 先找到数据下载入口
在开始写任何Python代码之前,你得先把数据拿到手。这里有个很多人不知道的点:Spotify允许你导出自己的全部个人数据,而不仅仅是听歌记录。入口在账户页面,我用的网页版操作路径是:登录Spotify官网,进入账户设置,找到"隐私设置"部分,里面有一个"下载你的数据"的选项。点击之后,Spotify会给你发送确认邮件,就像一个"你确定要下载吗"的提示,确认之后就开始处理数据。
这里要提前说清楚:数据导出一个小时之内"永远不会完成",尤其是你听歌历史比较长的情况下。我自己的使用时间大约四五年,导出的数据大概在几十兆级别,等了将近3天才收到下载通知邮件。如果你刚注册没多久,可能几小时就完成;如果跟我一样是多年的老用户,耐心一点。Spotify处理数据是按文件分门别类打包的,等得久是正常的。
提示:下载链接的有效期通常在邮件里会写明,尽量在收到通知后尽快下载。我有个朋友拖了一个星期才去点,结果链接过期,又重新走了一遍申请流程。
2.2 下载包里到底装了什么
解压下载好的zip文件,你会看到一堆文件夹,别被吓到。里面大体包括:账户信息文件、身份信息、设备信息、付款记录、播放列表、搜索记录,以及最关键的StreamingHistory文件夹。播放列表和历史记录是最有价值的部分,其他文件夹可以先不关注。
StreamingHistory文件夹里一般有若干个JSON文件,命名类似StreamingHistory0.json、StreamingHistory1.json这样。如果你听歌年份跨度大,Spotify会按时间切分,一个文件对应一个时间段。这就意味着,你后面分析之前先把这些JSON文件合并到一起,才能得到完整的听歌流水。当时我打开文件夹看到七八个JSON文件,心里还咯噔了一下,后来想想其实是好事,分段文件通常比一个超大文件更容易处理。
2.3 JSON文件的读取方式
每个StreamingHistory文件里面其实是一个非常标准的JSON数组,数组里的每个元素就是一条听歌记录。用notepad或者VS Code打开看,结构非常清晰,四个字段:endTime、artistName、trackName、msPlayed,分别代表播放结束时间、歌手名、歌曲名、播放时长(毫秒)。没有多余字段,干净利落,这对我后续的分析非常友好。
读取用Python的json模块就够了,也可以直接用pandas的read_json,我推荐后一种,一步到位得到DataFrame。配合glob模块,可以一次性把StreamingHistory文件夹里的所有JSON文件读进
