如何在 Tableau 中以可视化方式呈现 Spotify 音乐背后的趋势

这个夏天，我们徜徉在“数据 + 音乐”的海洋里，通过 Tableau 社区制作的一系列可视化作品，探索音乐趋势、艺人、流派和音乐小镇。比如，Pooja Gandhi 就以可视化形式呈现了热门曲目的音频特征；还有 Sean Miller，他以可视化形式呈现了有史以来最伟大的金属专辑。我们最近举办了一场网络讲座，不仅有我们团队的一些成员现身说法，还请到了 Spotify 的数据可视化设计人员 Skyler Johnson。在这场讲座中，我们与大家分享了如何发掘 Spotify 的“Top 200”（200 首最热金曲）和“Viral 50”（50 首爆火金曲）榜单背后的数据内涵。欢迎阅读这篇博文，了解如何着手连接 Spotify 数据，并制作出基本的仪表板来按国家/地区洞悉热门金曲和艺人背后的一些趋势。

如果您想详细了解如何使用 Spotify API 连接到您自己的 Spotify 收听数据，请观看有 Skyler 参与的这场网络讲座。

您可以参考以下步骤，了解如何从 Spotify 的榜单中获取最新数据，并导入到 Tableau 中进行分析。

获取数据：

1. 前往 https://spotifycharts.com/regional，以便从 Spotify 的热门金曲榜单中下载数据。
2. 根据您的分析目的是了解最热金曲还是爆火金曲，请分别选择“Top 200”（200 首最热金曲）或“Viral 50”（50 首爆火金曲）。对于本例中的分析，我们将选择 Top 200（200 首最热金曲）。
3. 使用下拉菜单按具体国家/地区进行筛选，或者选择“Global”（全球）以查看所有国家/地区的数据。对于本例中的分析，我们着重分析 Global（全球）数据，以便了解各个国家/地区的收听习惯。您还可以选择是下载“Daily”（每日）数据还是“Weekly”（每周）数据。对于本例中的分析，我们选择 Daily（每日），然后使用日期下拉菜单选择最近一个日期。
4. 点击右上角的“Download to CSV”（以 CSV 格式下载）。注：对于 2019 年 7 月 1 日前的所有日期以及所有国家/地区，只要有数据提供，我都按此步骤进行了下载，并将下载到的 CSV 合并成一个名为 Spotify_Daily_Streaming 的文件。您可以点此下载该文件。

导入到 Tableau 中：

1. 打开 Tableau。在“连接”窗格中，选择“文本文件”，然后打开刚刚下载的 Spotify CSV 文件。
2. 将该 Spotify_Daily_Streaming CSV 文件拖动到画布上。

我们首先来分析 Spotify 的 200 首最热金曲榜单中最流行的曲目。需要注意的是，我们在统计非重复曲目的数量时，将使用 Track URL（曲目网址）字段作为唯一标识符，因为有些歌曲可能重名。

1. 将 Track URL（曲目网址）拖动到“列”栏。将“度量”更改为“计数(不同)”。很快就会看到该数据集内有超过 50,000 首曲目。
2. 将 Artist（艺人）字段拖动到“行”栏。按照数量从大到小排序，即可看到哪位艺人在该数据集内的曲目最多。但需要注意的是，某位艺人在该榜单中的曲目数量最多，并不意味着此艺人的收听次数也最多。从下面的屏幕截图中就可以看到这一点。

3. 由于我们要显示两个变量之间的关系，因此不妨改而使用散点图视图加以显示。现在可以看到，Drake 一直都有很多首曲目登上 200 首最热金曲榜单，而且这些曲目也有很高的收听量。

既然已经了解了最受欢迎的艺人，接下来我们就分析一下哪些歌曲最为流行。

1. 创建一个新的工作表。将 SUM(Streams)（收听量总和）添加到“列”栏，将 Track URL（曲目网址）添加到“行”栏。
2. 按从大到小排序。
3. 将 Track Name（曲目名称）添加到“行”栏，放在 Track URL（曲目网址）旁边。
4. 隐藏 Track URL（曲目网址）标题，方法是在“行”栏中右击该胶囊，然后取消选中“显示标题”。从图中可以看出，Ed Sheeran 的“Shape of You”歌曲有超过 40 亿次的收听量！

了解各个国家/地区之间的收听习惯有何差别，这总是一件很有意思的事情。接下来，我们就在 Tableau 中使用地图分析各个国家/地区的 Streams（收听量）数据。

1. 双击“数据”窗格中的 Country（国家/地区）字段。Tableau 可以识别出这是一个地理区域字段，所以它会以地图的形式来呈现数据。
2. 将 Streams（收听量）字段拖动到“颜色”上，以创建一个填充的地图。色调越深，表示收听量越高；色调越浅，收听量则越低。
3. Tableau 可能会在右下角显示一些未知的值。双击错误通知，即可查看我们需要对哪些数据进行一些清理工作。看来“Vietnam”（越南）一词拼错了，我们可以通过将它与数据中的相应字段匹配，来手动更正这一错误。此外，Tableau 也未能识别出 Global（全球）字段所表示的是哪个地理区域。该字段表示此数据集内的所有国家/地区。

4. 使用筛选器排除此 Global（全球）字段，以免影响我们的数据的准确性。

最后，我们来看看收听量随时间的变化趋势。我们稍后将在仪表板中用到展示这种变化趋势的图表，以便全方位了解每个曲目和艺人的收听量。

1. 将连续的 WEEK(Date)（日期中的周）添加到“列”栏，再将 SUM(Streams)（收听量总和）添加到“行”栏。
2. 像我们在上一节的第 4 步中那样，筛选掉 Global（全球）数据。

接下来，让我们将以上所有数据整合到一个仪表板中，看看它们之间有何关系。

1. 创建一个新仪表板。
2. 将我们为“最受欢迎的艺人”、“最流行的曲目”和“收听量随时间的变化趋势”制作的工作表以及我们创建的地图拖动到该仪表板上。
3. 在我们创建的地图以及条形图上，选择用作筛选器。
4. 最后，我们对该地图进行自定义，使其采用 Spotify 的品牌标识色。选择“格式”→“仪表板”，即可设置颜色、网格线等元素的格式。

这些数据中还蕴藏着很多其他故事，比如季节性变化趋势。如需参考更为深入的教程，请观看“Visualize Your Love of Music”（以可视化形式呈现您对音乐之爱）网络讲座的录像。同时，也欢迎在 Twitter 上使用 #DataPlusMusic 话题标签分享您自己在此数据集中发现的成果。