Estatísticas do listener de músicas: last.year do last.fm como pacote R

Sebastian Wolf Blocked Unblock Seguir Seguindo 1 de janeiro

Ao iniciar a análise dos scrobbles do last.fm com a função last.week e last.ano, eu sempre perdia alguns gráficos ou uma tabela de dados pura. É por isso que desenvolvi o pacote “ analyzelastfm ” como uma implementação simples do R6. Eu queria ter estatísticas de álbuns diferentes, como por exemplo, o número de reproduções por álbum, dividido pelo número de faixas no álbum. Isso agora está implementado. Para obter estatísticas de audição de música, você começaria com:

 # Se você não tiver, instale devtools 
# install.packages ("devtools")
devtools :: install_github ("zappingseb / analyze_last_fm")
biblioteca (analyzelastfm)

Primeiro, permite importar seus dados last.year usando a API REST last.fm. Portanto, você precisa ter uma chave de API do last.fm. Isso pode ser obtido simplesmente acessando o site da API last.fm. De lá, você obterá a chave de 32 caracteres. Depois de receber a chave, recebi meus dados do last.fm por:

 api_key <- "POR FAVOR, ENTRE A SUA TECLA AQUI" 
data <- UserData $ new ("zappingseb", api_key, 2018)

O objeto de dados agora contém a função albumstats que me permite obter as informações específicas que eu queria. Eu vou excluir o artista “Die drei ???” como é uma história de detetives da Alemanha que eu ouço muito e que álbuns são divididos em faixas de 1 minuto, o que realmente estraga minha estatística.

 Ver (dados $ albumstats ( 
sort_by = "by_album_count", # faixa do álbum reproduz / nr faixas no álbum
exclude_artist = "Die drei ???", # exclui meu favorito de audiolivros
exclude_album = c (""), # exclui faixas sem nome do álbum
min_tracks = 5) # tem no mínimo 5 faixas no álbum (NO EPs)
)

O resultado parece assim:

Album statistics de 2018 de zappingseb

A estatística mostra n o número de execuções, count o número de faixas do álbum e count_by_track=n/count .

Os 5 melhores álbuns que você pode encontrar aqui:

Além desses cálculos, eu também estava interessado em ouvir música. Por isso, adicionei alguns gráficos ao pacote. O primeiro é o relógio de escuta:

 data $ clock.plot () 

Gráfico de relógio para a minha história da música

Eu ouço música principalmente no meu caminho para trabalhar na bicicleta entre as 7 e as 8 da manhã e entre as 5 e as 6 da tarde. Minha estatística mais importante é qual é a época do ano em que eu ouço música. Eu estou mais interessado em alguns dias específicos e um jogo / mês médio, que pode me dizer em qual humor eu estava. Por isso, criei a função daily_month_plot . Traça as jogadas médias por mês e as jogadas diárias em um lote. As jogadas médias por mês são visualizadas atrás dos picos diários. Aqui você pode ver que fevereiro foi realmente um bom mês para mim.

 data $ daily_month_plot () 

Para algumas estatísticas simples, incluí também uma função de plotagem de agregação chamada barplots . Pode plotar agregações por dia da semana, semana, mês ou dia. Os dados para esta função são fornecidos pela função bar_data .

 dados $ barplots ("dias da semana") 

semanalmente (a partir da semana 52 de 2017):

 dados $ barplots (“week”) 

Onde posso ver claramente que eu não estava ouvindo muita música durante o começo do ano e minha atividade de ouvir aumentou dramaticamente na semana 18.