Article original : Rolling Stone’s 500 Greatest Albums Visualized Using Pandas and Bokeh
Par Gautham Koorma
En 2003, le magazine Rolling Stones a interrogé des musiciens, des producteurs et des dirigeants de l'industrie sur leurs albums préférés. Le résultat était un numéro spécial intitulé « Les 500 meilleurs albums de tous les temps ».
La liste — qu'ils ont révisée en 2012 — présente principalement de la musique américaine et britannique des années 1960 et 1970.
En tant que fan de musique passionné et producteur de musique en herbe, j'écoute une grande variété de genres. La liste des Rolling Stones m'a servi d'introduction à la musique rock à l'époque.
Un jour, en parcourant Kaggle pour choisir un ensemble de données simple et tester mes nouvelles compétences en visualisation de données, je suis tombé sur la liste téléchargée en tant qu'ensemble de données CSV. J'ai décidé de mettre les mains dans le cambouis en utilisant pandas pour explorer les données et bokeh pour visualiser les résultats.
Bokeh est une bibliothèque Python pour la visualisation interactive. Elle dispose d'une interface puissante qui prend en charge la création de graphiques de haut niveau, le traçage de niveau intermédiaire et la modélisation de bas niveau.
Le code complet que j'ai utilisé pour lire, affiner, explorer et visualiser les données peut être trouvé sur ma page GitHub, et également dans ce notebook soumis sur Kaggle.
Cet article décrira les approches que j'ai adoptées, complètes avec mes visualisations et les informations que j'ai acquises en les construisant.
Obtention et structuration des données
L'obtention des données était simple, car elles étaient dans une feuille de calcul Excel de 500 x 6. Tout ce que j'avais à faire était de la lire directement dans un data frame pandas en utilisant la fonction [read_excel()](http://pandas.pydata.org/pandas-docs/stable/api.html#input-output).
Le data frame avait 500 lignes, une pour chaque album listant le numéro de classement, l'année, l'album, l'artiste, le genre et le sous-genre. Les colonnes Genre et Sous-genre avaient plusieurs valeurs séparées par des virgules dans une chaîne, donc j'ai dû diviser la chaîne à la première virgule et conserver uniquement la première valeur dans de nouvelles colonnes comme la catégorisation la plus pertinente du Genre et du Sous-genre de l'album.
Le data frame principal est devenu 500 x 8 après l'ajout des colonnes Genres_Refined et Subgenres_Refined.
J'ai utilisé un noyau Python 3.5.2 (distribution Anaconda 4.2.0) sur un notebook Jupyter.
Exploration des données et acquisition d'informations
J'ai adopté la stratégie split-apply-combine en utilisant la fonction intégrée [groupby()](http://pandas.pydata.org/pandas-docs/stable/groupby.html) de pandas dans la plupart des cas et la stratégie de remodelage en utilisant la fonction intégrée [pivot_table()](http://pandas.pydata.org/pandas-docs/stable/reshaping.html) de pandas pour un seul cas. J'ai alimenté les data frames résultants dans des graphiques et figures bokeh.
Voici les questions que j'ai posées et leurs visualisations résultantes.
Les 10 meilleurs artistes ayant le plus d'albums dans la liste
Pour obtenir les 10 meilleurs artistes, j'ai utilisé groupby() sur la colonne des artistes, j'ai pris un compte et j'ai trié le data frame résultant pour obtenir les 10 artistes ayant le plus grand nombre d'albums.
Pour visualiser les résultats, j'ai utilisé un objet figure de la bibliothèque bokeh.plotting et j'ai dessiné des cercles noirs en utilisant la méthode circle().
Il est clair que les Beatles, Bob Dylan et les Rolling Stones sont en tête de liste avec 10 albums chacun.
Nombre d'albums dans la liste par année
Pour obtenir cela, j'ai utilisé groupby() sur la colonne année et j'ai pris un compte, après quoi j'ai trié les données par année et j'ai tracé le data frame résultant en utilisant un graphique en ligne de bokeh.charts.
Le nombre maximum d'albums dans la liste a été publié en 1970. Les albums publiés à la fin des années 1960 et au début des années 1970 étaient également abondants. Le dernier pic se trouve au début des années 1990, représentant l'émergence de la musique Pop, R&B et Hip-Hop.
Principaux genres et sous-genres
Pour identifier les principaux genres et les sous-genres qui s'y trouvent, j'ai remodelé les données en utilisant la fonction _pivottable() de pandas dans laquelle j'ai défini l'index comme les colonnes Genre_Refined et Subgenre_Refine, et j'ai défini le paramètre aggfunc sur count.
Après avoir pris un sous-ensemble du data frame en utilisant une condition selon laquelle il devrait y avoir plus de 5 albums dans un sous-genre, j'ai alimenté le data frame dans un graphique donut de bokeh et j'ai défini la palette sur Purples9.
Le rock et ses sous-genres couvrent environ 80 % de la sélection. Les albums de musique Hip-Hop, R&B, Soul, Country et Électronique couvrent les 20 % restants.
Chansons de chaque genre par année
Pour obtenir ces données, j'ai fait un groupby() sur l'année et Genre_Refined, j'ai pris le compte, j'ai trié les valeurs par année et j'ai alimenté le data frame résultant dans une heatmap de bokeh. Cette fois, j'ai utilisé la palette Reds9.
Les albums de musique rock de la fin des années 60 et des années 70 sont clairement les plus nombreux. Les albums de musique Funk, Soul et Jazz ont diminué en nombre au fil des ans, ouvrant la voie aux albums Hip-Hop et Électronique.
Sous-genres du Rock au fil des ans
Pour obtenir ces données, j'ai fait un groupby() sur l'année, Genre_Refined et Subgenre_Refined, j'ai pris un compte et j'ai sous-ensemblé le data frame pour inclure uniquement le Rock dans la colonne Genre_Refined. J'ai ensuite alimenté le data frame résultant dans une heatmap de bokeh.
Les premières années étaient dominées par le Rock & Roll, tandis que le Blues Rock et le Pop Rock ont lentement augmenté en nombre au milieu des années 1960. Au milieu des années 1970, le Rock Alternatif a commencé à émerger, suivi par l'Indie Rock au milieu des années 1980.
Un résumé des 10 meilleurs albums
Enfin, j'ai résumé les 10 meilleurs albums de la liste après les avoir regroupés par artiste.
Les résultats finaux ne sont pas vraiment surprenants. La liste du magazine Rolling Stone contient principalement des chansons de Rock et de ses divers sous-genres, avec quelques exceptions sous forme d'albums de musique Hip-Hop, R&B, Soul, Country et Électronique.
Si vous êtes comme moi et que vous aimez occasionnellement vous reconnecter avec la musique des Beatles, Bob Dylan, Rolling Stones et les autres pionniers du Rock and Roll des années 60 et 70, je vous suggère d'écouter ces meilleurs albums, puis d'explorer à partir de là.
Si vous êtes curieux, vous pouvez lire la liste complète des albums ici.
Je suis consultant en technologie, passionné de science des données et producteur de musique en herbe. Si vous avez des opportunités d'écriture ou si vous êtes intéressé à entrer en contact pour du travail, n'hésitez pas à m'écrire à contact at gautham dot biz.
Si vous avez aimé cet article, n'hésitez pas à cliquer sur le bouton recommander et à le partager avec vos amis.