Como utilizar dados do Spotify

Sys.setenv(SPOTIFY_CLIENT_ID = 'xxxxxxxxxxxxxxxxxxxxx')
Sys.setenv(SPOTIFY_CLIENT_SECRET = 'xxxxxxxxxxxxxxxxxxxxx')
access_token <- get_spotify_access_token()

get_artist("0epOFNiUfyON9EYx7Tpr6V") %>% 
  unlist() %>% .[2:5] %>% as.data.frame() %>% # Transformando de lista para um data-frame;
  rownames_to_column(var = "Variáveis") %>% 
  kbl() %>% kable_styling()

Outra função interessante é a get_artist_audio_features(), ela nos retorna um data-frame com informações sobre todas as músicas do artista escolhido. Entre as informações estão as variáveis que o próprio spotify determina e foram comentadas anteriormente. Para sua utilização é necessário utilizar o nome do artista como argumento.

get_artist_audio_features("Billie Eilish") %>%
  select(track_name, danceability, energy, album_name, album_release_date) %>%
  sample_n(6) %>%
  kbl() %>% kable_styling()

Com a função get_my_recently_played() você consegue extrair as últimas músicas que foram tocadas na sua conta. Por padrão, a função retorna 20 músicas, mas você pode configurar até o limite máximo, igual a  100 músicas.

get_my_recently_played(limit = 5) %>%
  select(track.name, track.album.name, played_at) %>% 
  kbl() %>% kable_styling()

Já a função get_my_top_artists_or_tracks() retorna um data-frame com as informações dos artistas ou músicas que você mais escuta. Entre os argumentos utilizados com a função é possível escolher: type, que recebe “artists” ou “tracks”, limit, que é o número de observações que serão coletadas e time_range, que recebe “long_term” para que a escolha considere todo o período que você possui sua conta, “medium_term” (opção defaulf) para a escolha dos favoritos nos últimos 6 meses e “short_term” para as últimas 4 semanas.

get_my_top_artists_or_tracks(type = "artists", limit = 5) %>% 
  select(name, genres) %>% 
  kbl() %>% kable_styling()

Um detalhe curioso para mim é a diversidade de gêneros musicais, são incluídos características que eu sequer considerava como um gênero. No entanto, essa é uma estratégia bem interessante dada a quantidade gigantesca de artistas e músicas presentes na plataforma, deixar os gêneros bem específicos facilita para definir grupos menores e semelhantes.

get_my_top_artists_or_tracks(type = "tracks", limit = 5) %>% 
  select(name, album.name, album.release_date) %>% 
  kbl() %>% kable_styling()

Além disso, também é possível extrair as músicas e outras informações de uma playlist específica do Spotify. A função que realiza essa tarefa é a get_playlist_audio_features(). Para utilizá-la é preciso passar como argumentos o código da playlist e o seu nome. Para conseguir o código de uma playlist basta copiar os últimos dígitos da URL da mesma. 

get_playlist_audio_features(“Integrantes – 2021”, “7eZreLsVfaNRFB5W0pZQHN”) %>% select(playlist_owner_name, track.name, track.popularity) %>% head() %>% gt()

get_playlist_audio_features("Integrantes - 2021", "7eZreLsVfaNRFB5W0pZQHN") %>% 
  select(playlist_owner_name, track.name, track.popularity) %>% 
  head() %>% kbl() %>% kable_styling()

E para finalizar essa seção, achei interessante as funções get_recommendations() e get_related_artists(). Ambas ajudam a encontrar recomendações, a primeira com músicas de um gênero definido e a segunda com artistas parecidos com outro artista escolhido.

Hora dos Exemplos

Primeiramente, eu achei interessante que as músicas utilizadas representassem bem a EstatMG, por isso, pedi a todos os integrantes que me enviassem 3 músicas e elas foram utilizadas nos resultados apresentados! Se tiver interesse em escutar essas músicas aqui está o link: https://open.spotify.com/playlist/7eZreLsVfaNRFB5W0pZQHN

Além disso, outros pacotes que foram utilizados nas visualizações foram:

library(tidyverse)
library(wordcloud2)
library(gghighlight)
library(lubridate)
library(patchwork)

Para a extração dos dados, o código mostrado a seguir foi utilizado. Obseve que após especificar a playlist necessária, a variável que possui informações sobre os artistas foi trabalhada para sair do formato de lista (uma estrutura que faz muito sentido quando as músicas são produto da contribuição de vários artista), e em seguida mantive apenas o artista principal da música para facilitar a análise. Dada a quantidade de variáveis contida no banco, preferi selecionar apenas algumas delas. E para complementar o banco, obtive os gêneros do artista de cada música, bem como a popularidade a partir da função get_artist().

dados <- get_playlist_audio_features("Integrantes - 2021", "7eZreLsVfaNRFB5W0pZQHN") %>% 
  unnest(track.artists) %>% # Variável a principío como lista; 
  distinct(track.id, .keep_all = TRUE) %>% 
  select(added_at, track.id, track.name, artist.id = id, artist.name = name, 
         track.album.name, track.album.release_date, track.album.release_date_precision, 
         track.popularity, danceability, energy, loudness, speechiness, acousticness, 
         instrumentalness, liveness, valence, tempo) %>% 
  rowwise() %>%
  mutate(genres = str_flatten(get_artist(artist.id)$genres, collapse = ","), 
  artist.popularity = get_artist(artist.id)$popularity)

A primeira visualização que eu pensei seria identificar os artistas mais frequente entre o banco de dados, no entanto, apenas dois artistas principais foram repetidos: Engenheiros do Hawaii com 3 observações (de um mesmo integrante, inclusive) e o Silva com duas músicas.

Prosseguindo para outra análise interessante, podemos observar quais são os gêneros mais frequentes entre as músicas escolhidas. A primeira tentiva tem um apelo visual e é uma nuvem de palavras, a partir dela já é possível identificar que Rock Brasileiro e Pop/Pop Dançante estão bastante presentes.

dados %>% separate_rows(genres, sep = ",") %>% 
  group_by(genres) %>% count() %>%
  wordcloud2(minSize = 5)

Filtrando ainda mais as observações podemos plotar também um gráfico de barras. Nesse caso optei por observar a frequência relativa, dividindo as frequências pelo número total de músicas no nosso repertório, lembrando que todas as músicas possuem mais de um gênero, por isso devemos tomar esse cuidado. Com isso, observamos que um quarto das músicas possui pelo menos um toque de pop e um quinto delas tem traços de MPB.

dados %>% separate_rows(genres, sep = ",") %>% 
  group_by(genres) %>% count() %>% ungroup() %>% 
  slice_max(order_by = n, n = 10) %>%
  mutate(prop = n/nrow(dados),
  genres = fct_reorder(as.factor(genres), prop)) %>% 
  ggplot(aes(y = genres, x = prop)) + 
  geom_col(fill = "#4fb6a7") + labs(y = "", x = "Proporção")  

Outra dúvida que passou pela minha cabeça durante as análises foi: será que os integrantes das EstatMG preferem músicas da última década ou são fãs das mais antigas? Podemos conferir isso com o próximo histograma, onde a prevalência está em músicas do século XXI. E a título de curiosidade, a música mais antiga é “Like a Rolling Stone – Bob Dylan” de 1965.

dados %>% 
  mutate(track.album.release_date = str_sub(track.album.release_date, end = 4) %>% 
          as.numeric()) %>% 
  ggplot(aes(track.album.release_date)) +
  geom_histogram(color = "white", fill = "#652177", bins = 15) +
  labs(y = "Contagem", x = "")

Devido a quantidade de variáveis numéricas presentes no banco, apenas algumas foram selecionadas nessa etapa da visualização, mais a título de ilustração. Em geral, as variáveis se mostraram bem dispersas, apenas observa-se assimetrias acentuadas nas variáveis Instrumentalnees e Speechiness.

dados %>% select(-ends_with("popularity"), -liveness) %>% 
  pivot_longer(cols = where(is.numeric), names_to = "Variáveis", values_to = "Valores") %>% 
  ggplot(aes(x = `Variáveis`, y = Valores)) + 
  geom_boxplot(color = "#4FB6A7") + geom_jitter(color = "#4FB6A7", title = NA) +
  facet_wrap(vars(`Variáveis`), scales = "free", nrow = 2)

E com tantas variáveis numérias, porque não avaliar o relacionamento entre pares das mesmas? Primeiro, escolhi avaliar Energia x Dançabilidade, a princípio as variáveis não aparentam uma correlação forte. Além disso, imaginei que fosse interessante também destacar as músicas que possuem os maiores valores, por exemplo, com os menores valores de Dançabilidade temos Hocus Pocus – Focus e Too Much Is Not Enough – Graveyard enquanto a mais dançante é a versão Mega da Dance Monket – Dj Nattan. E ainda, temos como música mais energética Na Le – Omiki e o oposto é visto para Happiness is a Butterfly – Lana Del Rey.

g1 <- dados %>% 
  mutate(label = paste(track.name, artist.name, sep = " - ")) %>% 
  ggplot(aes(danceability, energy)) +
  geom_point()
g2 <- dados %>% 
  mutate(label = paste(track.name, artist.name, sep = " - ")) %>% 
  ggplot(aes(danceability, energy, color = label)) +
  geom_point() +
  gghighlight(danceability < 0.3 | danceability > 0.85 | energy < 0.15 | energy > 0.97, 
              label_key = label)
g1 + g2

Ao avaliar o gráfico de Valência x Tempo, também não é possível perceber uma correlação específica. E entre os destaques podemos dizer que as músicas O – Coldplay, Flares – The Script e Snow Crystal – Babalos possuem os menores valores de Valence, ou seja, são músicas menos positivas, enquanto You Only Live Once – The Strokes, Mina do Condimínio – Seu Jorge e Deixa Acontecer – Grupo Revelação aparentam possuir mais possitividade, em relação a letra e ao ritmo. E novamente Happiness is a Butterfly – Lana Del Rey se destaca como uma música lenta, por ter baixo valor de Tempo. 

g1 <- dados %>% 
  mutate(label = paste(track.name, artist.name, sep = " - ")) %>% 
  ggplot(aes(valence, tempo)) +
  geom_point()
g2 <- dados %>% 
  mutate(label = paste(track.name, artist.name, sep = " - ")) %>% 
  ggplot(aes(valence, tempo, color = label)) +
  geom_point() +
  gghighlight(valence < 0.07 | valence > 0.95 | tempo > 185 | tempo < 75, 
  label_key = label)
g1 + g2

Eu irei parar com as visualizações por aqui, mas existem ainda muitas outras formas de analisar e variáveis que podem ser analisados: Os títulos das músicas refletem algum sentimento específico? É possível agrupar as músicas de alguma forma? Ou a data em que as músicas foram adicionadas na playlists indicam algum alteração no seu gosto?  É um mundo de possibilidades!

Referências:

• www.rcharlie.com/spotifyr
• https://github.com/rfordatascience/tidytuesday/blob/master/data/2021/2021-09-14/readme.md