Вводная часть
Для анализа я выбрал датасет «BTS 147 Songs Audio Features (Spotify)» с платформы Kaggle. Данные собраны через Spotify API в ноябре 2021 года и содержат 147 песен с 17 аудиохарактеристиками: танцевальность, энергичность, громкость, акустичность, темп, валентность и другие.
фото участников группы BTS
BTS является одним из самых влиятельных музыкальных коллективов современности, чья дискография охватывает широкий спектр жанров — от хип-хопа до поп-баллад и EDM. Анализ объективных аудиопараметров позволяет выявить неочевидные закономерности и проследить эволюцию звучания группы вне субъективных оценок.
Цели и задачи
Цель: проанализировать аудиохарактеристики песен BTS и выявить тренды в эволюции их звучания.
Задачи: — Загрузить и подготовить данные из Spotify API — Построить графики для анализа динамики характеристик — Выявить корреляции между параметрами — Сравнить треки и альбомы между собой — Оформить всё в едином фиолетовом стиле BTS — Сформулировать выводы на основе полученных данных
Типы графиков
• Линейный график — эволюция характеристик по годам • Горизонтальная столбчатая диаграмма — топ-10 самых энергичных песен • Тепловая карта — корреляция аудиохарактеристик • Диаграмма рассеяния — танцевальность vs позитивность • Круговая диаграмма — распределение песен по альбомам • Облако слов — частотность слов в названиях песен
Визуализация данных
Цветовое решение проекта продиктовано самой темой. BTS и их фандом ARMY неразрывно связаны с фиолетовым цветом — он стал символом связи между группой и поклонниками. Фраза «I purple you» (я люблю тебя), придуманная участником V, превратила фиолетовый в цвет поддержки, доверия и единства.
Я хотела, чтобы визуальный стиль проекта отражал эту связь — фиолетовый должен был стать не просто случайным цветом, а смысловым ядром всей визуализации проекта.
На этапе разработки визуального стиля я обратилась к ChatGPT с задачей подобрать цветовую гамму для проекта. Мой промпт звучал так:
«Предложи цветовую палитру для проекта о BTS. Нужны оттенки фиолетового — от тёмного до светлого. Фон должен быть чёрным или тёмно-фиолетовым. Цвета должны ассоциироваться с группой и фандомом ARMY. Нужно 5– 7 оттенков с кодами HEX.»
Я установила библиотеку kagglehub с поддержкой pandas для загрузки датасета напрямую с Kaggle, а затем импортировала все необходимые библиотеки: pandas для работы с табличными данными, numpy для математических расчётов, matplotlib и seaborn для построения графиков и тепловой карты, а также отключила предупреждения, чтобы вывод был чистым.
Я загрузила датасет с аудиохарактеристиками песен BTS напрямую с Kaggle через библиотеку kagglehub, используя адаптер для pandas, и вывела первые 5 строк, чтобы проверить, что данные загрузились корректно и посмотреть на структуру таблицы.
Я подготовила данные: добавила год релиза, перевела длительность в минуты, удалила дубликаты. Затем создала фиолетовую палитру и настроила стиль графиков под единое оформление.
График 1
Линейный график показывает, как менялись танцевальность, энергичность, позитивность и акустичность с 2013 по 2021 год.
Результат: Пик энергичности и танцевальности — 2017– 2018 (эра Love Yourself). Акустичность снижается, позитивность растёт.
Также видно, что акустичность со временем снижается, а позитивность, наоборот, растёт, особенно заметный скачок произошёл в 2020 году, вероятно, под влиянием альбома BE, который группа выпустила в пандемийный период с целью поддержать слушателей.
График 2
Второй график — зависимость между танцевальностью и позитивностью. Это диаграмма рассеяния, где каждая точка представляет отдельную песню. По горизонтальной оси отложена танцевальность, по вертикальной — позитивность. Цвет точек соответствует году релиза, а размер — энергичности трека. График показал, что жёсткой зависимости между этими двумя характеристиками нет. Песни с высокой танцевальностью могут быть как позитивными, например «Boy With Luv», так и грустными или тревожными, как «Fake Love» или «Black Swan». Также заметно, что более поздние годы (2020–2021) имеют больший разброс значений, что говорит о расширении жанрового диапазона группы.
График 3
Третий график — распределение песен по альбомам. Это круговая диаграмма, которая показывает, какую долю в датасете занимает каждый альбом. Я подсчитала количество песен в каждом альбоме и визуализировала пропорции. Больше всего треков оказалось в альбомах «Love Yourself: Answer» — 20% и «BE» — 18%. Это объясняется тем, что «Answer» является компиляцией, объединяющей треки из двух предыдущих частей серии, а «BE» — полноформатным альбомом с большим количеством треков. «Love Yourself: Her» и «Map of the Soul: 7» также занимают значительную долю.
4 график
Четвёртый график — распределение темпа песен BTS. Это гистограмма, которая показывает, в каком темповом диапазоне чаще всего работают авторы. По горизонтальной оси отложен темп в ударах в минуту (BPM), по вертикальной — количество песен. Я добавила вертикальные линии среднего и медианного значения. График показал, что большинство песен BTS находятся в диапазоне 80–140 BPM. Средний темп составляет 110 BPM, медиана — 108 BPM. Это подтверждает жанровое разнообразие группы: от медленных песен до быстрых и ярких танцевальных треков.
Облако слов
Пятый график — облако слов из названий песен BTS. Это дополнительная визуализация, которую я создала для завершения проекта. Облако слов показывает, какие слова чаще всего встречаются в названиях песен группы. Я обработала все названия, удалила стоп-слова (предлоги, артикли, общие слова вроде «the», «and», «for»), а затем визуализировала частотность: чем чаще слово встречается, тем крупнее оно отображается. Самыми частыми словами стали: love, soul, dream, light. Эти слова отражают ключевые темы творчества BTS — любовь, мечты, душаи свет.
Само облако я выполнила в форме сердца — символа фандома ARMY, а в центре разместила надпись BTS. Все слова окрашены в оттенки фиолетового, от тёмного к светлому, что поддерживает единый стиль проекта.
Заключение
Выбранные данные оказались содержательными и объёмными: 147 песен и 17 аудиохарактеристик позволили провести глубокий анализ эволюции звучания BTS с 2013 по 2021 год.
Я тщательно изучила данные: добавила год релиза, удалила дубликаты, провела корреляционный анализ, агрегировала данные по годам, рассчитала средние и экстремальные значения. Каждый график сопровождается содержательным выводом на основе цифр.
Что показали графики:
Эволюция звучания — пик энергичности и танцевальности пришёлся на 2017–2018 годы (эра Love Yourself), акустичность снижается, позитивность растёт.
Танцевальность и позитивность — жёсткой связи нет, песни с высокой танцевальностью могут быть как позитивными, так и грустными. Более поздние годы имеют больший разброс значений.
Распределение по альбомам — больше всего треков в Love Yourself: Answer (20%) и BE (18%).
Распределение темпа — большинство песен в диапазоне 80–140 BPM, средний темп 110 BPM.
Для стилизации я разработала уникальную фиолетовую палитру в цветах ARMY. Все графики выполнены на темно-фиолетовом фоне с белым текстом, цвета заданы кодом. Визуальное оформление выдержано в едином стиле.
участники группы BTS
Описание применения генеративной модели
Использованные модели: DeepSeek — https://chat.deepseek.com ChatGPT (OpenAI) — https://chat.openai.com
— ИИ помог написать код для всех графиков. При возникновении ошибок (например, KeyError: ’release_date’ или KeyError: ’album’) ИИ объяснил, какие колонки есть в датасете, и предложил правильные названия.
— Создание анимации логотипа DeepSeek и ChatGPT написали код для анимированного логотипа BTS с эффектами пульсации линий и текста, перелива фиолетовых цветов, вращающихся светящихся точек.
— Облако слов в форме сердца ИИ помог создать облако слов из названий песен в форме сердца с надписью BTS в центре, используя библиотеку wordcloud и маску сердца.
— Цветовая палитра По моему запросу ИИ предложил фиолетовую палитру в стиле BTS, объяснил выбор каждого цвета и помог настроить глобальный стиль matplotlib.
— Формулировка выводов и текстовое оформление ИИ помог структурировать выводы по каждому графику, написать вводную часть, описание этапов работы, заключение и оформить текст в соответствии с критериями презентации.
Искусственный интеллект выступал в роли технического ассистента: помогал писать и отлаживать код, предлагал стилистические решения, структурировал текст. Все ключевые решения — выбор датасета, постановка исследовательских вопросов, интерпретация полученных данных, итоговые выводы и общая концепция презентации — принимались мной самостоятельно.
