Spotify APIを使って曲のデータ分析をしてみる

背景

音楽ストリーミングサービス「Spotify」にAPIがあることを知り、折角データが取れるのならデータ分析をしてみよう！と思い立ちやってみました。

（データ分析に関しては完全初心者なので、お試しでやってみたという記事です）

最終的には、Spotifyの自動レコメンド機能を自分で作ってみたいと考えています。。。

今回はプレイリストからデータ取得→相関分析まで行います。

内部パラメータについて

Spotify APIについて調べていくと、どうやら楽曲毎に以下のようなパラメータが付与されていることを知りました。

パラメータ	説明
acousticness	曲がアコースティックである確率を0.0から1.0で表したもの。1.0は曲がアコースティックである確率が高いことを示す。
danceability	曲がダンスに適しているかを0.0から1.0で表したもの。この値はテンポ、リズムの安定性、ビートの強さなどから計算され、1.0は曲がダンスに非常に適していることを示す。
energy	曲がエネルギッシュである程度を0.0から1.0で表したもの。この値は活動的な音、速いテンポ、騒々しさなどから計算され、1.0は曲が非常にエネルギッシュであることを示す。
instrumentalness	曲がインストゥルメンタルである確率を0.0から1.0で表したもの。1.0は曲がインストゥルメンタル（つまり、ボーカルなし）である確率が高いことを示す。
liveness	曲がライブで演奏されている確率を0.0から1.0で表したもの。1.0は曲がライブで演奏されている確率が高いことを示す。
loudness	曲の全体的な音の大きさをデシベルで表したもの。この値は曲全体にわたって平均化され、値は約-60から0dbまでの範囲である。
speechiness	曲に話し言葉が含まれている確率を0.0から1.0で表したもの。1.0は曲が話し言葉で構成されている確率が高いことを示す。
valence	曲が陽性の感情（例えば、幸せ、楽観的、陽気）を伝える確率を0.0から1.0で表したもの。1.0は曲が陽性の感情を強く伝えることを示す。
tempo	曲の全体的な推定テンポをBPM（ビート・パー・ミニット）で表したもの。
key	曲の全体的なキー（音階）を示す整数。この値はピッチクラス表記法によるもので、0 = C, 1 = C#/Db, 2 = D, と続く。
mode	曲のモード（主音がメジャーかマイナーか）を示す整数。1はメジャー、0はマイナーを示す。
time_signature	曲の拍子記号（1小節あたりの拍数）を示す整数。

かなりの量の属性情報があり、Spotifyのレコメンド機能はこのような値を使って実装されているのでは？と思いました。（このパラメータを利用すれば、自分でレコメンド機能を作成できそう…）

今回やること

内部パラメータの分析を行う

環境

使用言語はPython3.9、エディタはVSCodeを利用しています。

また、ライブラリとして以下のものを導入しています。

• Spotipy
• numpy
• pandas
• matplotlib
• seaborn

事前準備

1. Spotifyのアカウントを作成します。

2. Spotify for Developerにログインします。

3. 右上のアカウントアイコンから、ダッシュボードを開きます。

4. Create Appからアプリを作成します。

   アプリ名と説明は任意、Redirect URIsはリダイレクト先のURLを設定してください。

5. 作成したアプリをダッシュボードから選択し、Settingボタンから設定画面を開きます。

   クライアントIDとクライアントシークレットが表示されるので、メモしておきましょう。

6. spotipyライブラリを利用するので、pip等でインストールします。

データを取得する

とりあえず動かしてみます。

インポート

import spotipy
from spotipy.oauth2 import SpotifyClientCredentials #ここ以降にいろいろ追加

APIレスポンスの中身が気になったのでほかにjsonとかpprintとか入れてました。

必須情報

my_id = '発行したCLIANT ID'
my_secret = '発行したCLIANT SECRET'

Spotify for Developersから取ってきたものをつっこみます。

準備

ユーザー情報が必要ないメソッドを使う場合は、以下のコードでspからメソッドを呼び出せます。

ccm = SpotifyClientCredentials(client_id = my_id, client_secret = my_secret)
sp = spotipy.Spotify(client_credentials_manager = ccm)

ユーザー情報が必要な場合はOAuthで認証画面を表示する必要があります。以下のコードで実装できます。

sp = spotipy.Spotify(auth_manager=SpotifyOAuth(client_id=my_id,
                                               client_secret=my_secret,
                                               redirect_uri="http://localhost:3000/",
                                               scope="user-read-recently-played"))

スコープに欲しい情報の要素入れて、リダイレクト先で承認するフローを踏む必要があります。

redirect_uriには事前準備で設定したリダイレクトURIを、scopeには利用したいメソッドで必要なものを入れます。

プレイリストから楽曲データを取得する関数

# プレイリストから曲を取得
def get_to_playlist(playlist_id):
    playlist = sp.playlist(playlist_id)
    track_ids = []
    for item in playlist['tracks']['items']:
        track = item['track']
        if not track['id'] in track_ids:
            track_ids.append(track['id'])
        else:
            for item in playlist['tracks']['items']:
                track = item['track']
                if not track['id'] in track_ids:
                    track_ids.append(track['id'])
    return track_ids

プレイリストのIDを引数に、プレイリスト内の楽曲IDを配列に格納し返却します。
sp.playlistにプレイリストIDを渡すと、プレイリストの情報がJSONで返ってくるので上手いこと抽出します。

楽曲の内部パラメータを取得する

audio_featuresで内部パラメータを取得できます。

music_id = "楽曲のID"
result = sp.audio_features(music_id)
pprint.pprint(result)

こんな感じの情報が返ってきます。（サカナクション「忘れられないの」の場合）

[{'acousticness': 0.35,
  'analysis_url': 'https://api.spotify.com/v1/audio-analysis/7a3LbQFgp7NCuNcGlTgSsN',
  'danceability': 0.642,
  'duration_ms': 238000,
  'energy': 0.645,
  'id': '7a3LbQFgp7NCuNcGlTgSsN',
  'instrumentalness': 0.00349,
  'key': 6,
  'liveness': 0.191,
  'loudness': -7.358,
  'mode': 0,
  'speechiness': 0.0375,
  'tempo': 172.1,
  'time_signature': 4,
  'track_href': 'https://api.spotify.com/v1/tracks/7a3LbQFgp7NCuNcGlTgSsN',
  'type': 'audio_features',
  'uri': 'spotify:track:7a3LbQFgp7NCuNcGlTgSsN',
  'valence': 0.917}]

関数にします。sp.trackで楽曲の基本データを、sp.audio_featuresで内部パラメータを取得できます。
曲名、アルバム名、アーティスト名、尺と内部パラメータを気合で抽出し、配列にして返します。

def getTrackFeatures(id):
    meta = sp.track(id)
    features = sp.audio_features(id)

    name = meta['name']
    album = meta['album']['name']
    artist = meta['album']['artists'][0]['name']
    length = meta['duration_ms']
    popularity = meta['popularity']
    key = features[0]['key']
    mode = features[0]['mode']
    danceability = features[0]['danceability']
    acousticness = features[0]['acousticness']
    energy = features[0]['energy']
    instrumentalness = features[0]['instrumentalness']
    liveness = features[0]['liveness']
    loudness = features[0]['loudness']
    speechiness = features[0]['speechiness']
    tempo = features[0]['tempo']
    time_signature = features[0]['time_signature']
    valence = features[0]['valence']

    track = [name, album, artist, release_date, length, popularity, key, mode, danceability, acousticness,
             energy, instrumentalness, liveness, loudness, speechiness, tempo, time_signature, valence]
    return track

CSVファイルにデータを出力

データを扱いやすくするために一度CSV形式で出力します。
引数から得られた楽曲IDのリストから、楽曲の内部パラメータを取得する関数getTrackFeaturesを使って1曲ずつデータを取得します。
最後はpandasを使ってデータフレーム化し、to_csvでcsvに変換します。

def id_to_csv(track_ids):
    tracks = []
    for track_id in track_ids:
        track = getTrackFeatures(track_id)
        tracks.append(track)

    df = pd.DataFrame(tracks, columns=['name', 'album', 'artist', 'release_date', 'length', 'popularity', 'key', 'mode', 'danceability',
                      'acousticness', 'energy', 'instrumentalness', 'liveness', 'loudness', 'speechiness', 'tempo', 'time_signature', 'valence'])
    df.head()

    df.to_csv('myplaylist.csv', encoding='utf-8', index=False)
    print("CSVファイルが作成されました。")

    return df

動作確認

プレイリストIDを用意し、プレイリストから楽曲データを取得します。
そして楽曲データをCSVファイルに変換します。
今回使用したプレイリストは、私のSpotifyアカウントの自動レコメンドされたプレイリストです。
特徴としては、JPOPが多い、全50曲、インスト曲は少ないことが挙げられます。

if __name__ == '__main__':
    ids = get_to_playlist("37i9dQZF1E39zhZzaOT7fU")
    id_to_csv(ids)

動かしてみると、CSVファイルが作成されています。

> py my_top_song.py     
CSVファイルが作成されました。

ExcelでCSVファイルを見てみると、ちゃんとデータ取得できているぽいです。

データを分析する

先ほど取得したCSVファイルを使ってデータを分析してみます。
パラメータ同士の関連性がレコメンド機能の実装に役立つかも？と思い、とりあえず相関分析からやってみることにしました。

以下のサイトを参考にしました。

pandasのcorrメソッドで相関係数を算出し、データを可視化するライブラリseabornを用いてヒートマップで表示します。

data_analytics.py

import numpy as numpy
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

df_score = pd.read_csv(
    'top50_japan_data.csv', 
    index_col= "name",
    usecols=["name", "length", "popularity", "key", "mode", "danceability",
             "acousticness", "energy", "instrumentalness", "liveness",
             "loudness", "speechiness", "tempo", "valence"
    ])

df_corr = df_score.corr()

sns.set_context(context="talk")
fig = plt.subplots(figsize=(8, 8))
sns.heatmap(df_corr, annot=True, fmt='.1f', cmap='bwr', vmin=-1, vmax=1)
plt.show()

こちらを動かしてみると…
下のようなヒートマップを作成できました！

正の相関があれば赤く、相関が無ければ白、負の相関があれば青くなっています。
画像を見てみると、いろいろなことが分かるようになりました。

まずは正の相関から。
valence(曲の陽性度)とdanceability(ダンスへの適応度)が0.7、energy(エネルギッシュさ)とloudness(音の大きさ)が0.6と強い相関を示しています。
ダンスに適してる曲は基本的に明るい・楽しい曲ですし、エネルギッシュな曲は音が大きいことも納得できます。

次に負の相関を見てみます。
danceability(ダンスへの適応度)とloudness(音の大きさ)、danceability(ダンスへの適応度)とtempo(BPM)が-0.5と強い負の相関を示しています。
ダンスに適している曲は音が小さく、テンポが遅い傾向があるということですね。
音が小さいのはあまり納得できないですが、テンポが速すぎる曲は踊ることに適していないのは確かです。

Spotify公式のヒットチャート(日本TOP50)でもヒートマップを作成してみます。

正の相関について見てみると、energy(エネルギッシュさ)とloudness(音の大きさ)が0.8と非常に強い相関を示しています。
また、energy(エネルギッシュさ)とliveness(ライブ感)、speechiness(話し言葉の多さ)が0.5と強い相関を示しています。
最近の人気曲の傾向として、エネルギッシュな曲ほど音が大きく、ライブ感があり、話し言葉が多いことが分かります。

負の相関について見てみると、liveness(ライブ感)とdanceability(ダンスへの適応度)が-0.5と強い負の相関を示しています。
また、相関係数が-0.4の組み合わせは以下の通りでした。

• length(曲の長さ)とdanceability(ダンスへの適応度)
• length(曲の長さ)とvalence(曲の陽性度)
• energy(エネルギッシュさ)とacousticness(アコースティック度)
• tempo(BPM)とdanceability(ダンスへの適応度)

まとめ

Spotifyのプレイリストからデータを取得し、パラメータの相関分析を行うことが出来ました。
相関分析の結果としては、プレイリスト単位での傾向は知ることが出来ました。しかし、自分の趣味のプレイリストとヒットチャートの結果を見て分かる通り、分析対象によってかなり結果が変わってきます。
相関分析でパラメータの類似性が分かればいいな～と思っていたのですが、そもそものデータの傾向が分析結果に大きく影響するようです。
「音楽のジャンルがバラバラ」「分析対象のデータ数が足りない」ことが思った通りに行かなかった原因でしょうか。。。

次は、ジャンル別で規模を大きくしたデータセットを作成し、もう一度データを分析してみようと思います。

つづく