More than 1 year has passed since last update.

初心者がSpotify APIを分析して気分でプレイリスト作成できるアプリ作ってみた

Last updated at 2023-05-10Posted at 2023-05-10

はじめに

オンラインスクールの半年間で学んだ知識を実際に使ってみたいと思い、データセットを探すがなかなか見つからない中Spotify APIが面白そうだったので使ってみました☺︎
音楽プレイリストを作成するのに曲を選択することが億劫になることがあるのでデータセットをクラスタリングしてその時の気分でプレイリストを作成できるようにしたいと思います。

Spotify APIとは

音楽ストリーミングサービスSpotifyが提供している、曲一曲毎のデータが詰まっているAPIでアカウントを作成すれば簡単にデータが取得できるようになっています！

手順

今回は以下の順番で作業を行なっています

Spotify APIのスクレイピング&データセットの作成
　　　　　　　　　　↓
　　　　　　　　　　↓
まとめたデータセットの分析
　　　　　　　　　　↓
　　　　　　　　　　↓
分析結果をFlaskで簡単なプレイリスト作成アプリぽいものにする

使用している環境

PC → mac os
分析 → Anaconda, jupyternotebook
flask → Visual studio code

Spotify APIのスクレイピング

こちらのコードを参考にさせてただきスクレイピングをしていきます

今回は年代別洋楽のトップ１００のプレイリストを、
2000年〜2022年までの22年分2200曲以上をスクレイピングしています（トップ１００の枠からはみ出して１００曲より多い年があります）

2000年〜2022年のプレイリストをCSVで保存します
ハードロックからポップスまでジャンルを全て詰め込まれたデータセットになってます

2022年までで保存した各プレイリストはconcatで2000年〜2022年までをひとまとめにして保存しました

今回取得したデータ概要は以下のようになっています

作成したデータセットの分析

データを見ていくと、かなり細分化されていてデータ同士の最大値と最小値が全く異なります

こちらの記事を参考に、標準化してKmeans法でクラスター分析していきます

標準化はsklearnのpreprocessingライブラリを使用していきます

from sklearn import preprocessing

ss = preprocessing.StandardScaler()
a_standardscaler = ss.fit_transform(a)
a_ss = pd.DataFrame(a_standardscaler)
a_ss = a_ss.set_axis(['acousticness', 'danceability', 'energy', 'instrumentalness', 'key', 'length', 'liveness', 'loudness', 'mode', 'speechiness', 'tempo', 'time_signature', 'valence'], axis=1)
a_ss.head()

今回は気分でランダムにプレイリストを作成するアプリを作成したいので、クラスター分析で最適クラスターを見つけて検討していきます

エルボー法で最適クラスターを検討します

distortions = []

for i in range(1, 11):#クラスター数を１０にした時
    km = KMeans(n_clusters=i, init='k-means++', n_init=10, max_iter=300, random_state=0)
    km.fit(X)
    distortions.append(km.inertia_)

plt.plot(range(1, 11), distortions, marker='o')
plt.xlabel('Number of clusters')
plt.ylabel('Distortion')