Python+Spotify API打造个人音乐DNA分析系统

1. 项目概述：用Python解锁你的音乐DNA

作为一名长期使用Spotify的音乐爱好者兼Python开发者，我最近发现了一个有趣的现象：虽然平台每年都会生成"年度回顾"，但那些静态图表根本无法满足我对个人听歌习惯的深度挖掘需求。于是我用Python构建了一套完整的分析方案，结果发现了许多连自己都惊讶的听歌模式——比如我居然在每周三下午三点准时听古典音乐，而周末深夜则固定切换成电子音乐。

这个项目不需要任何特殊权限，只要你的Spotify账号能正常使用，就可以通过官方API获取完整的听歌历史记录。整个过程完全合规，数据仅保存在本地，既保护隐私又能获得比官方报告更深入的洞察。下面我将分享从数据获取到可视化分析的全套方案，包含多个你可能从未想过的分析维度。

2. 环境准备与API配置

2.1 开发环境搭建

推荐使用Python 3.8+版本，主要依赖库包括：

• spotipy：官方推荐的Python SDK
• pandas：数据处理核心工具
• matplotlib/seaborn：基础可视化
• plotly：交互式图表
• scikit-learn：进阶聚类分析

安装命令：

bash复制pip install spotipy pandas matplotlib seaborn plotly scikit-learn

注意：如果遇到SSL证书错误，可能需要额外安装证书包：

bash复制pip install certifi

2.2 Spotify开发者账号申请

1. 登录Spotify开发者平台
2. 创建新应用（类型选"个人使用"）
3. 记录下Client ID和Client Secret
4. 在应用设置中添加重定向URI（本地开发可用http://localhost:8888/callback）

2.3 认证流程实现

使用OAuth 2.0授权码流程获取访问令牌：

python复制import spotipy
from spotipy.oauth2 import SpotifyOAuth

scope = "user-library-read user-top-read user-read-recently-played"

sp = spotipy.Spotify(auth_manager=SpotifyOAuth(
    client_id="YOUR_CLIENT_ID",
    client_secret="YOUR_CLIENT_SECRET",
    redirect_uri="http://localhost:8888/callback",
    scope=scope))

首次运行时会自动打开浏览器完成授权，之后凭证会缓存在本地。

3. 数据采集与预处理

3.1 获取听歌历史记录

Spotify API提供了多种数据端点，最常用的是：

python复制# 获取最近50条播放记录
recent_tracks = sp.current_user_recently_played(limit=50)

# 获取短期（约4周）最常听的歌曲
top_tracks_short = sp.current_user_top_tracks(time_range='short_term', limit=50)

# 获取长期（数年）最常听的歌曲
top_tracks_long = sp.current_user_top_tracks(time_range='long_term', limit=50)

3.2 音频特征提取

每首歌曲都包含丰富的音频特征元数据：

python复制def get_audio_features(track_ids):
    features = sp.audio_features(track_ids)
    return pd.DataFrame(features)

# 示例获取特征
track_ids = [track['id'] for track in top_tracks_short['items']]
audio_features_df = get_audio_features(track_ids)

这些特征包括：

• danceability（舞蹈性）：0-1值，越高越适合跳舞
• energy（能量感）：反映歌曲强度
• valence（愉悦度）：音乐的情绪倾向
• tempo（速度）：BPM值
• loudness（响度）：以分贝为单位的整体响度
• acousticness（原声程度）：原声乐器占比
• instrumentalness（器乐程度）：人声含量

3.3 数据清洗与增强

原始数据需要经过以下处理：

1. 时区转换：将UTC时间戳转为本地时间
2. 特征标准化：不同量纲的特征需要归一化
3. 空值处理：部分老歌曲可能缺少某些音频特征
4. 时间特征提取：从播放时间中提取星期、小时等维度

python复制def enhance_data(df):
    # 转换时间戳
    df['played_at'] = pd.to_datetime(df['played_at'])
    df['hour'] = df['played_at'].dt.hour
    df['day_of_week'] = df['played_at'].dt.dayofweek
    
    # 合并歌曲元数据
    df['artist_name'] = df['track'].apply(lambda x: x['artists'][0]['name'])
    df['track_name'] = df['track'].apply(lambda x: x['name'])
    
    return df

4. 核心分析方法与实现

4.1 听歌时间模式分析

通过时间维度分析可以发现许多有趣的行为模式：

python复制import matplotlib.pyplot as plt

# 按小时分布的播放量
hourly_counts = df.groupby('hour').size()
plt.figure(figsize=(12,6))
hourly_counts.plot(kind='bar', color='#1DB954')
plt.title('播放次数的小时分布')
plt.xlabel('小时')
plt.ylabel('播放次数')

典型发现可能包括：

• 通勤时段的播放大高峰
• 工作时的背景音乐偏好
• 深夜的特定类型音乐选择

4.2 音乐偏好雷达图

综合音频特征可以生成个人音乐DNA画像：

python复制import plotly.express as px

# 计算各特征均值
features = ['danceability', 'energy', 'valence', 
           'acousticness', 'instrumentalness']
avg_features = audio_features_df[features].mean()

fig = px.line_polar(
    r=avg_features.values,
    theta=features,
    line_close=True,
    template='plotly_dark',
    title='我的音乐特征雷达图')
fig.show()

4.3 音乐类型聚类分析

使用K-Means算法自动发现音乐分组：

python复制from sklearn.cluster import KMeans
from sklearn.preprocessing import StandardScaler

# 选择特征列
X = audio_features_df[features]

# 标准化
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# 聚类（假设分为3类）
kmeans = KMeans(n_clusters=3, random_state=42)
audio_features_df['cluster'] = kmeans.fit_predict(X_scaled)

# 可视化
plt.scatter(
    audio_features_df['valence'],
    audio_features_df['energy'],
    c=audio_features_df['cluster'],
    cmap='viridis')
plt.xlabel('Valence')
plt.ylabel('Energy')

4.4 听歌情绪时间线

结合播放时间和歌曲情绪特征，可以绘制情绪变化曲线：

python复制# 按时间排序
df_sorted = df.sort_values('played_at')

# 计算滚动平均情绪值
df_sorted['rolling_valence'] = df_sorted['valence'].rolling(5).mean()

plt.figure(figsize=(15,5))
plt.plot(
    df_sorted['played_at'],
    df_sorted['rolling_valence'],
    color='#FF6B6B',
    linewidth=2)
plt.title('两周内的情绪变化趋势')
plt.ylabel('情绪值（滚动平均）')

5. 高级分析技巧

5.1 音乐探索广度指数

计算个人听歌的多样性程度：

python复制def calculate_diversity(df):
    total_tracks = len(df)
    unique_artists = df['artist_name'].nunique()
    return (unique_artists / total_tracks) * 100

diversity_score = calculate_diversity(df)
print(f"你的音乐探索广度指数：{diversity_score:.1f}%")

专业提示：正常范围在30-70%之间，低于30%说明听歌范围较窄，高于70%则可能是"音乐探险家"

5.2 音乐新鲜度分析

比较新歌和老歌的播放比例：

python复制def get_track_age(track):
    release_date = track['album']['release_date']
    return (pd.to_datetime('today') - pd.to_datetime(release_date)).days

df['track_age'] = df['track'].apply(get_track_age)

# 分类统计
age_groups = pd.cut(
    df['track_age'],
    bins=[0, 365, 730, 3650, float('inf')],
    labels=['1年内', '1-2年', '2-10年', '10年以上'])
age_dist = age_groups.value_counts(normalize=True) * 100

5.3 音乐记忆时间胶囊

找出特定时期的代表性歌曲：

python复制def time_capsule(start_date, end_date):
    mask = (df['played_at'] >= start_date) & (df['played_at'] <= end_date)
    period_df = df[mask]
    
    # 找出播放次数最多的歌曲
    top_tracks = period_df['track_name'].value_counts().head(5)
    
    # 找出最具代表性的艺术家
    top_artists = period_df['artist_name'].value_counts().head(3)
    
    return top_tracks, top_artists

# 示例：分析去年夏天的音乐记忆
summer_tracks, summer_artists = time_capsule('2022-06-01', '2022-08-31')

6. 实战案例与可视化展示

6.1 个人音乐日历热图

python复制import seaborn as sns

# 创建小时×星期的播放量矩阵
heatmap_data = df.pivot_table(
    index='hour',
    columns='day_of_week',
    values='track_name',
    aggfunc='count',
    fill_value=0)

plt.figure(figsize=(12,8))
sns.heatmap(
    heatmap_data,
    cmap='YlGnBu',
    linewidths=.5)
plt.title('每周听歌模式热图')
plt.xlabel('星期')
plt.ylabel('小时')

6.2 音乐风格演变时间线

python复制# 按月分组计算特征均值
monthly_features = df.set_index('played_at').groupby(
    pd.Grouper(freq='M'))[features].mean()

# 绘制多特征趋势图
fig, axes = plt.subplots(nrows=3, ncols=2, figsize=(15,12))
for ax, feature in zip(axes.flatten(), features):
    monthly_features[feature].plot(ax=ax, color='#4ECDC4')
    ax.set_title(f'{feature}趋势')
plt.tight_layout()

6.3 音乐社交对比分析

如果有朋友也进行了类似分析，可以比较音乐品味：

python复制def compare_profiles(my_features, friend_features):
    comparison = pd.DataFrame({
        'You': my_features[features].mean(),
        'Friend': friend_features[features].mean()})
    
    comparison.plot(kind='bar', figsize=(12,6))
    plt.title('音乐品味对比')
    plt.ylabel('特征值')
    plt.xticks(rotation=45)

7. 常见问题与解决方案

7.1 API调用限制处理

Spotify API有速率限制（每分钟约300次请求），解决方法：

python复制from time import sleep

def safe_api_call(callable, max_retries=3):
    for attempt in range(max_retries):
        try:
            return callable()
        except spotipy.exceptions.SpotifyException as e:
            if e.http_status == 429:  # Rate limit
                retry_after = int(e.headers.get('Retry-After', 5))
                sleep(retry_after)
                continue
            raise
    raise Exception("Max retries exceeded")

7.2 数据不完整问题

如果发现历史记录不全，可能是因为：

• Spotify默认只保留最近50条播放记录
• 需要定期运行脚本收集数据（建议每周一次）
• 使用以下方法获取更多历史数据：

python复制def get_all_recent_tracks(sp, limit=50, max_items=1000):
    results = []
    after = None
    
    while len(results) < max_items:
        batch = sp.current_user_recently_played(
            limit=limit,
            after=after)
        if not batch['items']:
            break
        results.extend(batch['items'])
        after = batch['cursors']['after'] if batch['cursors'] else None
    
    return results

7.3 音频特征解释困惑

常见音频特征的直观解释：

7.4 可视化优化技巧

让图表更专业的几个细节：

• 使用Spotify品牌色（#1DB954）
• 添加移动平均线展现趋势
• 对时间序列数据使用面积图增强视觉冲击
• 重要节点添加注释说明

python复制plt.style.use('ggplot')  # 专业图表风格
colors = ['#1DB954', '#191414', '#FFFFFF']  # Spotify配色方案

8. 项目扩展方向

8.1 自动化日报系统

使用Python自动化工具定期生成听歌报告：

python复制import smtplib
from email.mime.multipart import MIMEMultipart
from email.mime.text import MIMEText

def send_daily_report(df):
    # 生成HTML内容
    html_content = generate_html_report(df)
    
    # 配置邮件
    msg = MIMEMultipart()
    msg['From'] = 'your_email@example.com'
    msg['To'] = 'your_email@example.com'
    msg['Subject'] = '你的每日音乐报告'
    msg.attach(MIMEText(html_content, 'html'))
    
    # 发送邮件
    with smtplib.SMTP('smtp.example.com', 587) as server:
        server.starttls()
        server.login('username', 'password')
        server.send_message(msg)

8.2 音乐推荐增强

基于分析结果改进Spotify推荐：

python复制def get_recommendations(sp, seed_tracks, target_features):
    recommendations = sp.recommendations(
        seed_tracks=seed_tracks,
        target_danceability=target_features['danceability'],
        target_energy=target_features['energy'],
        limit=10)
    return recommendations['tracks']

8.3 跨平台数据整合

结合Last.fm等其他音乐平台数据：

python复制import pylast

# Last.fm API配置
lastfm_network = pylast.LastFMNetwork(
    api_key="YOUR_LASTFM_KEY",
    api_secret="YOUR_LASTFM_SECRET")

# 获取Last.fm数据
lastfm_user = lastfm_network.get_user("your_username")
lastfm_tracks = lastfm_user.get_recent_tracks(limit=100)

8.4 实时听歌仪表盘

使用Dash或Streamlit构建交互式仪表盘：

python复制import streamlit as st

def build_dashboard(df):
    st.title('我的Spotify分析仪表盘')
    
    # 时间范围选择器
    date_range = st.date_input('选择日期范围', [])
    
    # 过滤数据
    filtered_df = df[(df['played_at'] >= pd.to_datetime(date_range[0])) & 
                    (df['played_at'] <= pd.to_datetime(date_range[1]))]
    
    # 显示关键指标
    col1, col2, col3 = st.columns(3)
    col1.metric("总播放量", len(filtered_df))
    col2.metric("独特艺术家数", filtered_df['artist_name'].nunique())
    col3.metric("平均情绪值", filtered_df['valence'].mean().round(2))
    
    # 显示热图
    st.subheader('听歌时间分布')
    heatmap_fig = create_heatmap(filtered_df)
    st.pyplot(heatmap_fig)

9. 个人经验与避坑指南

在实际操作中，我总结了这些宝贵经验：

1. 数据收集策略：Spotify的播放历史API最多只能获取最近50条记录，要建立定期（如每天）运行的自动化脚本，才能积累足够的历史数据。我使用Windows任务计划程序每天凌晨3点运行收集脚本。

2. 音频特征陷阱：不是所有歌曲都有完整的音频特征数据，特别是某些老歌或小众歌曲。在分析前务必检查空值比例，我通常会过滤掉特征缺失超过30%的曲目。

3. 时区问题：API返回的时间戳是UTC时间，需要根据本地时区转换。我曾经因为忽略这点，导致所有时间分析偏移了8小时（北京时间UTC+8）。

4. 可视化优化：在绘制情绪变化曲线时，原始数据波动太大难以观察趋势。我发现使用7点移动平均（即每个点的前后各3个点取平均）能最好地平衡细节保留和趋势展现。

5. 聚类分析技巧：音乐特征的量纲差异很大（如tempo是0-300，valence是0-1），必须进行标准化处理。我推荐使用RobustScaler而不是普通的StandardScaler，因为它对异常值更鲁棒。

6. API限流处理：当需要获取大量歌曲的音频特征时，很容易触发API速率限制。我的解决方案是将请求分批发送，每批50个ID，批次间暂停1秒。对于429错误，自动读取Retry-After头信息等待相应时间。

7. 数据持久化：建议使用SQLite数据库存储历史记录，而不是每次都重新获取。我设计了增量更新机制，只获取上次收集之后的新播放记录。

8. 隐私保护：虽然分析的是个人数据，但仍需注意安全。我的方案是完全在本地运行，敏感信息（如API密钥）存储在环境变量中，分析结果也仅保存在本地。