Python分析Spotify听歌数据：发现你的音乐DNA

1. 为什么需要分析Spotify听歌数据？

作为一名长期使用Spotify的音乐爱好者，我发现自己经常陷入这样的困惑：明明收藏了几千首歌，却总是反复听那几十首；明明觉得自己音乐品味很广，但年度回顾时才发现原来自己这么"专一"。这促使我开始思考——我们真的了解自己的听歌习惯吗？

Spotify作为全球最大的音乐流媒体平台，每天产生海量的用户行为数据。这些数据就像一座金矿，记录着我们的音乐偏好、情绪变化甚至生活习惯。通过Python分析这些数据，我们可以：

• 发现隐藏的音乐偏好模式（比如特定时间段、季节或情绪状态下的听歌倾向）
• 量化自己的音乐探索行为（新歌尝试率、流派多样性等）
• 识别听歌习惯中的"舒适区"和潜在偏见
• 为音乐推荐系统提供更精准的反馈
• 创建个性化的音乐统计数据可视化

提示：Spotify的API设计非常友好，即使没有专业数据分析背景，通过Python也能轻松获取和处理这些数据。我在2020年开始这个项目时，只用了不到50行代码就完成了基础的数据采集和分析。

2. 准备工作与环境配置

2.1 获取Spotify API访问权限

首先需要在Spotify开发者仪表板创建应用：

1. 登录Spotify开发者账号（与普通账号相同）
2. 点击"创建应用"，填写基本信息（名称和描述随意）
3. 记下生成的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）

注意：Client Secret相当于密码，绝对不能直接写在代码或公开仓库中。我通常使用环境变量或配置文件管理，后面会具体说明。

2.2 Python环境准备

推荐使用Python 3.8+版本，主要需要以下库：

bash复制pip install spotipy pandas matplotlib seaborn python-dotenv

• spotipy：官方推荐的Spotify API Python客户端库
• pandas：数据处理和分析
• matplotlib/seaborn：数据可视化
• python-dotenv：管理环境变量

我习惯用VS Code开发，配置了Python扩展和Jupyter支持。如果你刚开始学Python，建议先熟悉基本语法和Jupyter Notebook的使用——这对交互式数据分析特别友好。

2.3 认证流程实现

Spotify使用OAuth 2.0认证，spotipy库已经封装了大部分复杂流程。这是我的认证代码模板：

python复制import spotipy
from spotipy.oauth2 import SpotifyOAuth
from dotenv import load_dotenv
import os

load_dotenv()  # 加载.env文件中的环境变量

# 初始化Spotify客户端
sp = spotipy.Spotify(auth_manager=SpotifyOAuth(
    client_id=os.getenv("SPOTIFY_CLIENT_ID"),
    client_secret=os.getenv("SPOTIFY_CLIENT_SECRET"),
    redirect_uri="http://localhost:8888/callback",
    scope="user-library-read user-top-read user-read-recently-played"
))

将Client ID和Secret保存在项目根目录的.env文件中：

code复制SPOTIFY_CLIENT_ID=your_client_id
SPOTIFY_CLIENT_SECRET=your_client_secret

避坑指南：scope参数决定了能访问的数据范围，如果漏掉需要的scope，后续调用会报权限错误。最常见的包括user-library-read（获取收藏歌曲）、user-top-read（获取最常播放）和user-read-recently-played（最近播放记录）。

3. 获取并解析听歌数据

3.1 获取最近播放的歌曲

分析听歌习惯最好的起点是最近播放记录：

python复制def get_recently_played(limit=50):
    results = sp.current_user_recently_played(limit=limit)
    tracks = []
    for item in results['items']:
        track = item['track']
        played_at = item['played_at']
        tracks.append({
            'id': track['id'],
            'name': track['name'],
            'artist': ', '.join([a['name'] for a in track['artists']]),
            'album': track['album']['name'],
            'duration_ms': track['duration_ms'],
            'popularity': track['popularity'],
            'played_at': played_at,
            'timestamp': pd.to_datetime(played_at)
        })
    return pd.DataFrame(tracks)

这个函数返回一个包含最近播放歌曲信息的DataFrame，包含：

• 歌曲基本信息（名称、艺人、专辑）
• 元数据（时长、流行度）
• 播放时间（精确到毫秒的时间戳）

实操心得：Spotify API对请求频率有限制（每分钟约300次），获取大量历史数据时需要添加延迟。我通常会在循环中添加time.sleep(0.1)避免触发限制。

3.2 获取收藏的歌曲和专辑

了解你的音乐库构成也很重要：

python复制def get_saved_tracks(limit=50):
    results = sp.current_user_saved_tracks(limit=limit)
    tracks = []
    for item in results['items']:
        track = item['track']
        added_at = item['added_at']
        tracks.append({
            'id': track['id'],
            'name': track['name'],
            'artist': ', '.join([a['name'] for a in track['artists']]),
            'album': track['album']['name'],
            'duration_ms': track['duration_ms'],
            'popularity': track['popularity'],
            'added_at': added_at,
            'timestamp': pd.to_datetime(added_at)
        })
    return pd.DataFrame(tracks)

3.3 获取音频特征数据

Spotify为每首歌提供了详细的音频特征分析，这是最有价值的数据之一：

python复制def get_audio_features(track_ids):
    features = []
    for i in range(0, len(track_ids), 100):  # 每次最多100首
        batch = track_ids[i:i+100]
        features.extend(sp.audio_features(batch))
    return pd.DataFrame(features)

返回的特征包括：

• 声学特征：acousticness, instrumentalness
• 节奏特征：danceability, tempo, time_signature
• 情绪特征：valence (快乐程度), energy
• 音乐属性：mode, key, loudness

4. 数据分析与可视化

4.1 听歌时间模式分析

我首先分析了自己一周内不同时段的听歌偏好：

python复制def analyze_listening_patterns(df):
    # 提取小时和星期几
    df['hour'] = df['timestamp'].dt.hour
    df['day_of_week'] = df['timestamp'].dt.day_name()
    
    # 绘制听歌时间分布
    plt.figure(figsize=(12, 6))
    sns.histplot(data=df, x='hour', bins=24, kde=True)
    plt.title('听歌时间分布')
    plt.xlabel('小时')
    plt.ylabel('播放次数')
    plt.show()
    
    # 星期几的听歌量
    plt.figure(figsize=(10, 5))
    day_order = ['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday', 'Sunday']
    sns.countplot(data=df, x='day_of_week', order=day_order)
    plt.title('一周听歌分布')
    plt.xlabel('星期几')
    plt.ylabel('播放次数')
    plt.show()

分析结果让我大吃一惊：我总以为自己晚上听歌最多，实际上下午3-5点才是高峰；周一的播放量明显低于其他工作日——这可能与我的工作节奏有关。

4.2 音乐偏好分析

结合音频特征数据，可以量化自己的音乐偏好：

python复制def analyze_music_preferences(features_df):
    # 选择主要特征
    features = ['danceability', 'energy', 'valence', 'acousticness', 'instrumentalness']
    
    # 计算平均值
    avg_features = features_df[features].mean().to_frame('平均值').T
    
    # 绘制雷达图
    angles = np.linspace(0, 2*np.pi, len(features), endpoint=False)
    angles = np.concatenate((angles, [angles[0]]))
    
    fig = plt.figure(figsize=(8, 8))
    ax = fig.add_subplot(111, polar=True)
    
    values = avg_features.values[0]
    values = np.concatenate((values, [values[0]]))
    ax.plot(angles, values, 'o-', linewidth=2)
    ax.fill(angles, values, alpha=0.25)
    
    ax.set_thetagrids(angles[:-1] * 180/np.pi, features)
    ax.set_title('音乐特征雷达图', size=20, y=1.1)
    plt.show()
    
    return avg_features

这个分析揭示了我的"音乐指纹"：高energy和valence说明偏好积极向上的歌曲，低instrumentalness表明主要听人声为主的音乐。

4.3 艺人多样性分析

使用以下代码评估自己听歌的多样性：

python复制def analyze_artist_diversity(tracks_df, top_n=20):
    # 统计艺人出现频率
    artist_counts = tracks_df['artist'].value_counts().head(top_n)
    
    # 计算多样性指数
    total = artist_counts.sum()
    proportions = artist_counts / total
    diversity_index = 1 - sum(proportions ** 2)  # Simpson多样性指数
    
    # 绘制艺人分布
    plt.figure(figsize=(12, 8))
    artist_counts.plot(kind='barh')
    plt.title(f'Top {top_n}艺人 (多样性指数: {diversity_index:.3f})')
    plt.xlabel('播放次数')
    plt.ylabel('艺人')
    plt.gca().invert_yaxis()
    plt.show()
    
    return diversity_index

我的多样性指数只有0.85（最大为1），说明听歌集中在少数艺人——这促使我有意识地探索更多新艺人。

5. 高级分析与个性化洞察

5.1 创建听歌情绪时间线

结合音频特征中的valence（快乐程度）和energy，可以可视化听歌情绪变化：

python复制def create_mood_timeline(df, features_df):
    # 合并播放记录和音频特征
    merged = pd.merge(df, features_df, left_on='id', right_on='id')
    
    # 计算每日平均情绪
    daily_mood = merged.resample('D', on='timestamp').agg({
        'valence': 'mean',
        'energy': 'mean'
    })
    
    # 绘制情绪时间线
    plt.figure(figsize=(15, 6))
    plt.plot(daily_mood.index, daily_mood['valence'], label='快乐程度', color='green')
    plt.plot(daily_mood.index, daily_mood['energy'], label='能量', color='orange')
    plt.fill_between(daily_mood.index, daily_mood['valence'], alpha=0.2, color='green')
    plt.fill_between(daily_mood.index, daily_mood['energy'], alpha=0.2, color='orange')
    plt.title('每日听歌情绪变化')
    plt.xlabel('日期')
    plt.ylabel('分数')
    plt.legend()
    plt.grid(True)
    plt.show()
    
    # 计算情绪与星期几的关联
    merged['day_of_week'] = merged['timestamp'].dt.dayofweek
    mood_by_day = merged.groupby('day_of_week').agg({
        'valence': 'mean',
        'energy': 'mean'
    })
    
    return daily_mood, mood_by_day

这个分析让我发现周末听的歌确实更"快乐"，而周三的能量值最高——可能与健身习惯有关。

5.2 发现音乐舒适区与探索行为

量化自己的音乐探索行为：

python复制def analyze_exploration_behavior(df):
    # 计算新歌尝试率
    df['is_new'] = ~df['id'].duplicated()
    monthly_new = df.resample('M', on='timestamp')['is_new'].mean()
    
    # 计算平均艺人重复率
    df['artist_first_occurrence'] = ~df['artist'].duplicated()
    monthly_new_artists = df.resample('M', on='timestamp')['artist_first_occurrence'].mean()
    
    # 绘制探索行为趋势
    fig, ax = plt.subplots(2, 1, figsize=(12, 8))
    monthly_new.plot(ax=ax[0], title='每月新歌比例', color='blue')
    monthly_new_artists.plot(ax=ax[1], title='每月新艺人比例', color='red')
    plt.tight_layout()
    plt.show()
    
    return {
        'avg_new_song_rate': monthly_new.mean(),
        'avg_new_artist_rate': monthly_new_artists.mean()
    }

我的新歌尝试率只有35%，这意味着65%的时间都在听已经听过的歌——这个发现促使我创建了一个"探索播放列表"，每周强制添加20首新歌。

5.3 构建个性化音乐档案

将所有分析整合成一个综合报告：

python复制def generate_personal_music_profile(tracks_df, features_df):
    profile = {}
    
    # 基础统计
    profile['total_tracks'] = len(tracks_df)
    profile['unique_artists'] = tracks_df['artist'].nunique()
    profile['unique_albums'] = tracks_df['album'].nunique()
    
    # 时间模式
    profile['busiest_hour'] = tracks_df['hour'].value_counts().idxmax()
    
    # 音乐特征
    audio_profile = features_df[['danceability', 'energy', 'valence', 
                                'acousticness', 'instrumentalness']].mean().to_dict()
    profile.update(audio_profile)
    
    # 多样性指标
    profile['artist_diversity'] = analyze_artist_diversity(tracks_df, top_n=20)
    
    # 探索行为
    exploration = analyze_exploration_behavior(tracks_df)
    profile.update(exploration)
    
    return pd.Series(profile)

我的个性化档案显示：

• 平均每天听歌2.3小时
• 最常听歌时间：下午4点
• 音乐特征：高能量(0.72)、中等快乐(0.58)
• 艺人多样性指数：0.82
• 新歌尝试率：35%

6. 项目扩展与实用技巧

6.1 自动化定期分析

我设置了一个每周运行的脚本，自动更新分析结果：

python复制def weekly_report():
    # 获取数据
    recent_tracks = get_recently_played(limit=200)
    features = get_audio_features(recent_tracks['id'].tolist())
    
    # 分析
    analyze_listening_patterns(recent_tracks)
    analyze_music_preferences(features)
    diversity = analyze_artist_diversity(recent_tracks)
    
    # 保存结果
    report = {
        'date': pd.Timestamp.now().strftime('%Y-%m-%d'),
        'tracks_played': len(recent_tracks),
        'unique_artists': recent_tracks['artist'].nunique(),
        'diversity_index': diversity
    }
    
    # 追加到历史记录
    history = pd.read_csv('weekly_history.csv') if os.path.exists('weekly_history.csv') else pd.DataFrame()
    history = history.append(report, ignore_index=True)
    history.to_csv('weekly_history.csv', index=False)
    
    return report

6.2 创建个性化推荐播放列表

基于分析结果自动生成推荐：

python复制def create_recommendation_playlist(sp, seed_tracks, target_features, limit=30):
    recommendations = sp.recommendations(
        seed_tracks=seed_tracks,
        target_danceability=target_features['danceability'],
        target_energy=target_features['energy'],
        target_valence=target_features['valence'],
        limit=limit
    )
    
    track_ids = [track['id'] for track in recommendations['tracks']]
    user_id = sp.me()['id']
    
    playlist = sp.user_playlist_create(
        user=user_id,
        name=f"推荐 {pd.Timestamp.now().strftime('%Y-%m-%d')}",
        public=False
    )
    
    sp.playlist_add_items(playlist['id'], track_ids)
    return playlist

6.3 遇到的坑与解决方案

1. API限流问题：

   • 现象：频繁请求后返回429错误
   • 解决：实现指数退避重试机制

   python复制from time import sleep
   from tenacity import retry, stop_after_attempt, wait_exponential
   
   @retry(stop=stop_after_attempt(5), wait=wait_exponential(multiplier=1, min=4, max=10))
   def safe_api_call(func, *args, **kwargs):
       return func(*args, **kwargs)
   

2. 数据不完整问题：

   • 现象：部分老歌缺少音频特征
   • 解决：添加缺失值处理

   python复制features_df = features_df.dropna(subset=['danceability', 'energy'])
   

3. 时区问题：

   • 现象：播放时间显示不正确
   • 解决：统一转换为本地时区

   python复制df['timestamp'] = pd.to_datetime(df['played_at']).dt.tz_convert('Asia/Shanghai')
   

这个项目最让我惊喜的是发现了自己都没意识到的听歌模式。比如我总认为自己音乐品味很"酷"，但数据清楚地显示，下雨天我听得最多的是Taylor Swift——这大概就是数据的魅力，它不会说谎。