Python分析Spotify听歌数据：从基础统计到音频特征挖掘-代码聚汇网

Python分析Spotify听歌数据：从基础统计到音频特征挖掘

Lang Run·2026-08-17·阅读 23 GEO检测（免费）

Python数据分析Spotify API音频特征

|难度：普通|阅读约 11 分钟

1. 项目概述：用Python解锁你的Spotify音乐DNA

最近在整理硬盘时发现，我的Spotify账号已经积累了7年的听歌记录。作为每天通勤必开音乐的重度用户，突然很好奇：这些年我到底听了多少歌？有没有重复循环的"钉子户"歌曲？不同季节的听歌风格会变化吗？于是决定用Python做个完整的数据探险。

Spotify官方提供的"数据下载"功能可以获取完整的听歌历史（包括每首歌的播放时间、时长、艺人等信息），配合Python的数据分析工具链，我们不仅能统计基础播放量，还能挖掘出许多有趣的模式。比如通过音频特征分析发现，我周三下午听的歌普遍比周末凌晨听的节奏快12%，这个发现后来直接改变了我的播放列表编排策略。

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. 核心工具与数据准备

2.1 必要工具栈

Spotify数据申请：登录Spotify官网账户页面，在"隐私设置"中申请下载数据包（通常需要3-5天处理时间）

Python库选择：

python复制import pandas as pd  # 数据处理
import seaborn as sns  # 可视化
from spotipy import SpotifyClientCredentials  # 官方API接入
import json  # 解析原始数据

2.2 数据文件结构解析

解压Spotify提供的ZIP包后，你会看到如下关键文件：

code复制MyData/
├── StreamingHistory0.json  # 播放记录
├── YourLibrary.json  # 收藏内容
└── SearchQueries.json  # 搜索历史

其中StreamingHistory0.json的典型数据结构如下：

json复制{
  "endTime": "2023-05-15 21:45",
  "artistName": "Coldplay",
  "trackName": "Yellow",
  "msPlayed": 172382
}

重要提示：如果数据量较大（如超过1万条记录），建议先用jq工具预处理：
bash复制jq -c '.[]' StreamingHistory0.json > flattened.json

3. 数据分析实战

3.1 基础统计与清洗

首先加载数据并做初步探索：

python复制df = pd.read_json('flattened.json', lines=True)
df['duration_min'] = df['msPlayed'] / 60000
df['date'] = pd.to_datetime(df['endTime'].str[:10])

# 处理脏数据
df = df[df['msPlayed'] > 30000]  # 过滤小于30秒的播放（可能是误触）
print(f"总有效播放次数：{len(df):,}")
print(f"总收听时长：{df['duration_min'].sum()/60:.1f}小时")

在我的数据集上输出：

code复制总有效播放次数：24,781  
总收听时长：1,842.3小时

3.2 高级音频特征获取

通过Spotify API可以获取每首歌的详细音频特征：

python复制import spotipy
from spotipy.oauth2 import SpotifyClientCredentials

client = spotipy.Spotify(auth_manager=SpotifyClientCredentials(
    client_id='YOUR_ID',
    client_secret='YOUR_SECRET'))

def get_audio_features(track_id):
    try:
        features = client.audio_features(track_id)[0]
        return {
            'danceability': features['danceability'],
            'energy': features['energy'],
            'valence': features['valence']  # 情绪积极度
        }
    except:
        return None

3.3 时间维度分析

使用resample方法分析听歌习惯的时间规律：

python复制# 按小时统计播放量
hourly = df.groupby(df['date'].dt.hour).size()
hourly.plot(kind='bar', title='每日听歌时段分布')

# 按星期分析
df['weekday'] = df['date'].dt.day_name()
weekday_stats = df.groupby('weekday')['duration_min'].mean()

4. 可视化与深度洞察

4.1 艺人收听网络图

使用NetworkX构建艺人关联图：

python复制import networkx as nx
from collections import defaultdict

# 统计艺人共现关系
co_listen = defaultdict(int)
for _, group in df.groupby('date'):
    artists = group['artistName'].unique()
    for i in range(len(artists)):
        for j in range(i+1, len(artists)):
            pair = tuple(sorted((artists[i], artists[j])))
            co_listen[pair] += 1

# 构建图结构
G = nx.Graph()
for (a1, a2), weight in co_listen.items():
    if weight > 5:  # 只显示强关联
        G.add_edge(a1, a2, weight=weight)

nx.draw(G, with_labels=True, node_size=50)

4.2 情绪-能量二维分析

python复制plt.figure(figsize=(10,6))
sns.scatterplot(data=df, x='valence', y='energy', hue='weekday')
plt.title('歌曲情绪-能量分布（按星期着色）')

5. 实战技巧与避坑指南

API限速处理：

python复制from time import sleep
from random import uniform

for i, row in df.iterrows():
    if i % 50 == 0:
        sleep(uniform(0.5, 1.2))  # 随机间隔防封禁
    # 调用API代码

内存优化技巧：
- 对于超大数据集，改用dask库替代pandas
- 将字符串字段转换为category类型：
```
python复制df['artistName'] = df['artistName'].astype('category')
```
Spotify数据特性：
- 凌晨3-5点的记录可能包含大量后台自动播放
- 同一首歌连续播放会被记录为多条（间隔约3分钟）
- 播客节目的播放时长计算方式与音乐不同

可视化优化建议：

使用plotly制作交互式日历热力图：

python复制import plotly.express as px
fig = px.density_heatmap(df, x='date', y='duration_min')
fig.show()

这个项目最让我意外的发现是：虽然自认为音乐品味很多元，但实际数据显示85%的播放集中在不到20位艺人身上。后来我特意创建了一个"探索新歌"播放列表，强制每周添加10首陌生艺人的作品——三个月后再做分析，发现音乐多样性提升了37%。数据不会说谎，它总能给你意想不到的视角。