音楽と国
 ～spotifyrを用いて～
 Music×Analytics Meetup Vol.11 
 (2023/10/28)
 @bob3bob3


Spotify


Spotifyとは？
 Spotify（スポティファイ）は、スウェーデンの 企業スポティファイ・テクノロジーによって運 営されている音楽ストリーミングサービス。
 （Wikipediaより引用）


spotifyr
 ● R言語のspotifyrパッケージを使って、SpotifyのWeb APIから楽曲や アルバム、アーティストなどの情報を一括で取得。
 ● spotifyrで取得できる情報の一例
 ○ アルバム単位
 ■ ジャケット画像、曲数、アルバム名、リリース日、人気度など
 ○ アーティスト単位
 ■ ジャンル、関連するアーティスト、人気度など
 ○ 楽曲単位
 ■ アコースティック度、ダンス度、インスト度、音圧、テンポ、キー、人気度な ど
 ○ 詳しくはspotifyのwebAPIのページを参照のこと。


プレイリスト ● Spotifyにはプレイリストという機能が あります。好きな曲をまとめて公開す る機能です。 ● Spotify公式のプレイリストもあって、 例えば各国のTop50がプレイリストと して公開されていたりします。 ● これもspotifyrで扱えて、プレイリスト ごとに含まれる楽曲のデータなどを抽 出できます。

やってみよう！ ● 「各国のTop50のプレイリストから、 含まれる楽曲を抽出し、各楽曲の 特徴を用いて各国をクラスタリング する。」というのをやってみます。 ● 事前準備としてSpotifyのアカウント と開発者アカウントの登録が必要で す。 ● 2023年07月14日時点のデータで す。

# パッケージ読み込み library(conflicted) #関数の衝突防止 library(tidyverse) #モダンなデータ処理 library(spotifyr) #Spotifyの Web API 操作 # 開発者アカウント認証 Sys.setenv(SPOTIFY_CLIENT_ID = 'xxxxxxxxxx') Sys.setenv(SPOTIFY_CLIENT_SECRET = 'xxxxxxxxxx') access_token <- get_spotify_access_token() 準備

# プレイリスト検索 res_search <- search_spotify( q = 'top50', type = 'playlist', limit = 50 ) |> dplyr::filter(owner.id == "spotify") |> #公式プレイリストに絞る select(name, id) |> #列を絞る mutate(name = name |> str_remove("Top 50 - ")) |> #プレイリスト名の整形 dplyr::filter( #ノイズになる行を削除 !(name %in% c("Global", "Greatest Hip-Hop Beats of All Time")) ) |> rowid_to_column() #ID番号を振る Top50のプレイリストを検索

検索結果 国名とプレイリストの id。

playlists_tracks <- res_search |> pull(id) |> map( #各プレイリストに含まれる楽曲を抽出 \(id) get_playlist_tracks(id) |> select(track.id, track.name), .progress = TRUE ) |> list_rbind(names_to = "rowid") Top50のプレイリストから各楽曲のIDを検索

プレイリストに含まれる楽曲のリスト

各楽曲の分析情報を取得 res_track <- playlists_tracks |> pull(track.id) |> unique() |> map( \(track.id) get_track_audio_features(track.id), .progress = TRUE ) |> list_rbind() |> right_join( playlists_tracks |> left_join(res_search, by = join_by(rowid)), by = join_by(id == track.id) ) |> mutate( duration_s = duration_ms / 1000, # ミリ秒を秒に country = as.factor(name) ) |> select( country, duration_s, energy, acousticness, liveness, speechiness, valence, danceability, tempo, id, track.name)

各楽曲の分析情報を取得

各楽曲の分析情報を取得 ● duration_ms: 曲の長さ（ミリ秒） ● energy: 0~1。騒がしい曲か静かな曲か。 ● acousticness: アコースティック度合。電気的に増幅されている程度。 ● liveness: 0~1。ライブ音源かスタジオ音源か。 ● speechiness: 0~1。歌ではない話し言葉の量。 ● valence: 0~1。ポジティブさ。 ● danceability: 0~1。踊りやすさ。 ● tempo: テンポ（BPM）。

各楽曲の分析情報

分析情報に関する発表事例

EDA library(summarytools) res_track |> select(!c(country, id, track.name)) |> dfSummary() |> summarytools::view()

EDA library(GGally) res_track |> select(!c(country, id, track.name)) |> ggpairs(aes(alpha = 0.1))

国ごとの違い res_track2 |> ggplot( aes( x = reorder( country, duration_s, FUN = median), y = duration_s)) + geom_boxplot() + coord_flip() + labs(x = "国", y = "演奏時間（秒）") + theme(text = element_text(size = 12))

クラスタリングしよう！ # 国ごとに中央値を算出し、さらに標準化する median_by_country <- res_track |> select(!c(id, track.name)) |> group_by(country, .drop = FALSE) |> summarise(across(everything(), median)) |> column_to_rownames(var = "country") |> scale() # 階層型クラスタリング library(factoextra) library(dendextend) cluster_tree <- median_by_country |> dist() |> hclust(method = "ward.D2") cluster_tree |> fviz_dend( k=6, cex=0.5, horiz = TRUE, label_cols = "black", k_colors = c( "#ff4b00", "#990099", "#03af7a", "#005aff", "#804000", "#ff8082"), rect = TRUE, rect_fill = TRUE, rect_border = 8 )

地図！ clusters <- tibble( country = median_by_country |> rownames(), cluster = cluster_tree |> cutree(k=6) ) library(ggrepel) library(sf) library(rnaturalearth) world_map <- ne_countries( scale = "small", returnclass = "sf" ) |> left_join( clusters |> mutate( country = country |> str_replace("USA", "United States") |> str_replace("South Korea", "Republic of Korea") ), by=join_by(name_long == country) ) world_map |> ggplot() + geom_sf(aes(fill = as.factor(cluster))) + theme_light() + labs(fill = "cluster") + scale_colour_brewer(palette = "Dark2")

No content

Enjoy! 次回「2010年代 King Crimson のセットリスト分析」でお会いしま しょう！