Python分析Spotify听歌数据：从API接入到可视化实战

1. 为什么分析Spotify听歌数据？

作为一个长期使用Spotify的音乐爱好者，我发现平台虽然提供了年度回顾功能，但远远不能满足我对个人听歌习惯的深度了解需求。通过Python分析自己的Spotify数据，可以解锁以下价值：

• 发现隐藏的音乐偏好：平台只会告诉你"最常听的歌手"，但不会告诉你"每周三下午喜欢听什么风格"
• 量化音乐品味变化：用数据见证自己从流行乐转向爵士乐的审美变迁
• 创建智能播放列表：基于情绪、时间段等维度自动生成个性化歌单
• 音乐社交新玩法：生成可视化报告分享给朋友，比单纯晒歌单有趣得多

提示：Spotify官方API对个人数据获取非常友好，但需要先注册开发者账号。整个过程完全免费，且不会影响现有账号使用。

2. 环境准备与API接入

2.1 创建Spotify开发者应用

1. 访问Spotify开发者仪表板
2. 点击"Create App"按钮，填写基本信息（名称和描述随意）
3. 记录下生成的Client ID和Client Secret
4. 在设置中添加重定向URI（本地开发可用http://localhost:8888/callback）

python复制# 配置示例
SPOTIFY_CLIENT_ID = '你的client_id'
SPOTIFY_CLIENT_SECRET = '你的client_secret'
REDIRECT_URI = 'http://localhost:8888/callback'

2.2 安装必要的Python库

推荐使用conda或pip安装以下核心库：

bash复制pip install spotipy pandas matplotlib seaborn

• spotipy：Spotify官方API的Python封装库
• pandas：数据处理与分析
• matplotlib/seaborn：数据可视化

注意：如果遇到SSL证书错误，可能需要额外安装certifi库并配置环境变量。

3. 获取个人听歌数据

3.1 认证流程实现

Spotify使用OAuth 2.0认证，我们需要实现一个简单的授权流程：

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=SPOTIFY_CLIENT_ID,
    client_secret=SPOTIFY_CLIENT_SECRET,
    redirect_uri=REDIRECT_URI,
    scope=scope))

运行后会弹出浏览器窗口要求登录授权，完成后会自动跳转回调地址。

3.2 获取不同类型的数据

3.2.1 近期播放记录

python复制recently_played = sp.current_user_recently_played(limit=50)

返回数据包含：

• 播放时间戳
• 曲目信息（名称、艺人、专辑）
• 上下文信息（是否来自播放列表）

3.2.2 个人Top曲目

python复制top_tracks = sp.current_user_top_tracks(limit=50, time_range='medium_term')

time_range参数可选：

• short_term（最近4周）
• medium_term（最近6个月）
• long_term（所有时间）

3.2.3 收藏的歌曲

python复制saved_tracks = []
results = sp.current_user_saved_tracks(limit=50)
saved_tracks.extend(results['items'])

while results['next']:
    results = sp.next(results)
    saved_tracks.extend(results['items'])

4. 数据清洗与结构化

4.1 构建DataFrame

将API返回的JSON数据转换为结构化表格：

python复制import pandas as pd

def parse_track(track_item):
    track = track_item['track']
    return {
        'name': track['name'],
        'artist': ', '.join([a['name'] for a in track['artists']]),
        'album': track['album']['name'],
        'duration_ms': track['duration_ms'],
        'popularity': track['popularity'],
        'explicit': track['explicit'],
        'added_at': track_item.get('added_at', None)
    }

tracks_data = [parse_track(item) for item in saved_tracks]
df = pd.DataFrame(tracks_data)

4.2 特征工程

添加衍生特征提升分析维度：

python复制# 转换毫秒为分钟
df['duration_min'] = df['duration_ms'] / 60000

# 提取年份信息
df['added_year'] = pd.to_datetime(df['added_at']).dt.year

# 艺人出现频率统计
artist_counts = df['artist'].value_counts()
df['artist_frequency'] = df['artist'].map(artist_counts)

5. 可视化分析实战

5.1 听歌时间分布分析

python复制import matplotlib.pyplot as plt
import seaborn as sns

plt.figure(figsize=(12, 6))
sns.histplot(data=df, x='duration_min', bins=30, kde=True)
plt.title('歌曲时长分布')
plt.xlabel('时长(分钟)')
plt.ylabel('数量')
plt.show()

5.2 艺人偏好雷达图

python复制from math import pi

# 获取Top5艺人
top_artists = df['artist'].value_counts().head(5).index.tolist()

# 准备雷达图数据
categories = ['歌曲数量', '平均时长', '平均流行度']
N = len(categories)

angles = [n / float(N) * 2 * pi for n in range(N)]
angles += angles[:1]

plt.figure(figsize=(8, 8))
ax = plt.subplot(111, polar=True)
ax.set_theta_offset(pi / 2)
ax.set_theta_direction(-1)

for artist in top_artists:
    artist_data = df[df['artist'] == artist]
    values = [
        len(artist_data),
        artist_data['duration_min'].mean(),
        artist_data['popularity'].mean()
    ]
    values += values[:1]
    ax.plot(angles, values, linewidth=1, linestyle='solid', label=artist)
    ax.fill(angles, values, alpha=0.1)

plt.xticks(angles[:-1], categories)
plt.yticks(color="grey", size=7)
plt.legend(loc='upper right', bbox_to_anchor=(1.3, 1.1))
plt.title('Top艺人多维对比', size=11, y=1.1)
plt.show()

5.3 音乐品味演变时间线

python复制# 按年份统计特征
yearly_stats = df.groupby('added_year').agg({
    'duration_min': 'mean',
    'popularity': 'mean',
    'name': 'count'
}).rename(columns={'name': 'song_count'})

# 双轴图
fig, ax1 = plt.subplots(figsize=(12, 6))

color = 'tab:red'
ax1.set_xlabel('年份')
ax1.set_ylabel('平均时长(分钟)', color=color)
ax1.plot(yearly_stats.index, yearly_stats['duration_min'], color=color, marker='o')
ax1.tick_params(axis='y', labelcolor=color)

ax2 = ax1.twinx()
color = 'tab:blue'
ax2.set_ylabel('平均流行度', color=color)
ax2.plot(yearly_stats.index, yearly_stats['popularity'], color=color, marker='s')
ax2.tick_params(axis='y', labelcolor=color)

plt.title('音乐品味演变趋势')
fig.tight_layout()
plt.show()

6. 高级分析技巧

6.1 音频特征深度分析

Spotify为每首歌曲提供了详细的音频特征：

python复制# 获取音频特征
track_ids = df.index.tolist()[:100]  # 限制数量避免API限制
audio_features = sp.audio_features(track_ids)

# 转换为DataFrame
features_df = pd.DataFrame(audio_features).set_index('id')
features_df = features_df[['danceability', 'energy', 'valence', 'acousticness', 
                          'instrumentalness', 'liveness', 'speechiness']]

这些指标包括：

• danceability：舞蹈性（0-1）
• energy：能量感（0-1）
• valence：情绪积极度（0-1）
• acousticness：原声程度（0-1）

6.2 聚类分析音乐类型

使用K-Means算法发现隐藏的音乐分组：

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

# 数据标准化
scaler = StandardScaler()
scaled_features = scaler.fit_transform(features_df.dropna())

# 肘部法则确定最佳K值
inertia = []
for k in range(1, 11):
    kmeans = KMeans(n_clusters=k, random_state=42)
    kmeans.fit(scaled_features)
    inertia.append(kmeans.inertia_)

plt.plot(range(1, 11), inertia, marker='o')
plt.xlabel('聚类数量')
plt.ylabel('误差平方和')
plt.title('肘部法则')
plt.show()

6.3 创建智能播放列表

基于情绪分析自动生成播放列表：

python复制def create_mood_playlist(sp, mood, limit=20):
    # 根据情绪筛选歌曲
    if mood == 'happy':
        condition = (features_df['valence'] > 0.7) & (features_df['energy'] > 0.6)
    elif mood == 'calm':
        condition = (features_df['energy'] < 0.4) & (features_df['acousticness'] > 0.6)
    
    track_ids = features_df[condition].index.tolist()[:limit]
    
    # 创建播放列表
    user_id = sp.current_user()['id']
    playlist = sp.user_playlist_create(
        user=user_id,
        name=f"我的{mood}歌单 - {pd.Timestamp.now().strftime('%Y-%m-%d')}",
        public=False)
    
    sp.playlist_add_items(playlist['id'], track_ids)
    return playlist['external_urls']['spotify']

7. 项目优化与扩展

7.1 自动化数据更新

使用schedule库实现每日自动更新：

python复制import schedule
import time

def update_data():
    # 获取新数据并合并到现有DataFrame
    new_data = get_recent_tracks(sp)
    global df
    df = pd.concat([df, new_data]).drop_duplicates()

# 每天凌晨2点执行
schedule.every().day.at("02:00").do(update_data)

while True:
    schedule.run_pending()
    time.sleep(60)

7.2 部署为Web应用

使用Flask创建个人音乐仪表盘：

python复制from flask import Flask, render_template

app = Flask(__name__)

@app.route('/')
def dashboard():
    # 准备可视化数据
    plots = {
        'duration_dist': create_duration_plot(df),
        'artist_radar': create_radar_plot(df)
    }
    return render_template('dashboard.html', plots=plots)

if __name__ == '__main__':
    app.run(debug=True)

7.3 与Last.fm数据整合

增强数据集的方法：

python复制import pylast

# 配置Last.fm API
lastfm = pylast.LastFMNetwork(
    api_key="YOUR_API_KEY",
    api_secret="YOUR_API_SECRET")

# 获取歌曲的Last.fm标签
def get_track_tags(artist, title):
    track = lastfm.get_track(artist, title)
    return [tag.item.get_name() for tag in track.get_top_tags()]

8. 实际应用中的经验分享

在长期运行这个分析项目的过程中，我积累了一些宝贵经验：

1. API限制处理：

   • Spotify API有严格的速率限制（每分钟约300次请求）
   • 对于大批量数据获取，建议添加time.sleep(0.5)避免触发限制
   • 使用try-except块捕获spotipy.SpotifyException异常

2. 数据存储策略：

   • 原始JSON响应建议保存到本地文件或数据库
   • 使用df.to_parquet()比csv节省50%以上空间
   • 考虑使用SQLite轻量级数据库管理历史数据

3. 可视化优化技巧：

   • 使用plt.style.use('seaborn')获得更好的默认样式
   • 交互式可视化推荐Plotly或Altair
   • 对于大型数据集，先用df.sample(1000)下采样再绘图

4. 个人隐私保护：

   • 敏感数据（如Client Secret）应存储在环境变量中
   • 分享结果前过滤掉可能暴露个人习惯的信息
   • 定期审查API权限范围，移除不必要的scope

5. 性能提升方法：

   • 对重复使用的数据添加内存缓存（如@functools.lru_cache）
   • 使用多线程获取不同类别的数据
   • 向量化操作替代循环（特别是pandas操作）