Warning: package 'readr' was built under R version 4.4.3
spotify <-read_csv("C:/Users/OMAR DANIEL MEDINA V/Downloads/data.csv")
Rows: 3441197 Columns: 7
── Column specification ────────────────────────────────────────────────────────
Delimiter: ","
chr (4): Track Name, Artist, URL, Region
dbl (2): Position, Streams
date (1): Date
ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
position track_name artist streams
Min. : 1.00 Length:3441197 Length:3441197 Min. : 1001
1st Qu.: 45.00 Class :character Class :character 1st Qu.: 3322
Median : 92.00 Mode :character Mode :character Median : 9227
Mean : 94.64 Mean : 51892
3rd Qu.:143.00 3rd Qu.: 29658
Max. :200.00 Max. :11381520
url date region
Length:3441197 Min. :2017-01-01 Length:3441197
Class :character 1st Qu.:2017-04-05 Class :character
Mode :character Median :2017-07-10 Mode :character
Mean :2017-07-08
3rd Qu.:2017-10-10
Max. :2018-01-09
Descripción general del conjunto de datos
El conjunto de datos cargado contiene información sobre las canciones más escuchadas en Spotify a nivel mundial, registradas diariamente por región. En total, se cuentan con 3.441.197 registros y 7 columnas, cada una representando una característica relevante del ranking diario.
Las variables presentes son:
Position: puesto de la canción en el top diario (1 a 200).
Track Name: nombre de la canción.
Artist: nombre del artista o grupo.
Streams: número de reproducciones que tuvo la canción ese día.
URL: enlace directo a la canción en Spotify.
Date: fecha del registro
Region: país o región donde se registró la posición.
anyNA(spotify)
[1] TRUE
sum(is.na(spotify))
[1] 1322
colSums(is.na(spotify))
position track_name artist streams url date region
0 657 657 0 8 0 0
# Total de datos en el datasettotal_datos <-prod(dim(spotify))# Total de NAstotal_na <-sum(is.na(spotify))# Porcentaje de NAsporcentaje_na <- (total_na / total_datos) *100porcentaje_na
[1] 0.005488124
Como se puede observar, se detectaron un total de 1.322 valores faltantes, lo que representa aproximadamente 0.0055% del total de los datos. La mayoría de estos valores estaban concentrados en las columnas Track Name y Artist, que son esenciales para el análisis, como el porcentaje es menor al 5% de datos faltantes se decidió eliminar las filas incompletas.
Ademas se decidio elimar la columna “URL” ya que es una columna irrelevante para el analisis estadistico.
# Eliminar filas con NA en 'Track Name' o 'Artist'spotify_clean <- spotify |>filter(!is.na(track_name), !is.na(artist))# Eliminar la columna URLspotify_clean <- spotify_clean |>select(-url)# Verificamos que quedó sin NAsum(is.na(spotify_clean))
[1] 0
Top 10 canciones mas escuchadas (por suma de streams)
`summarise()` has grouped output by 'track_name'. You can override using the
`.groups` argument.
top_canciones
# A tibble: 19,907 × 3
# Groups: track_name [18,597]
track_name artist total_streams
<chr> <chr> <dbl>
1 "\"All That Is or Ever Was or Ever Will Be\"" Alan Silvestri 7311
2 "\"Read All About It, Pt. III\"" Emeli Sandé 57025
3 "#99" JVG 31826
4 "#Askip" Black M 296862
5 "#Biziz - feat. Lil Bege" Reynmen 403591
6 "#CTZK" Sir Mich 669563
7 "#Elämänpeli (feat. Touko)" Mr. Elämänpeli 405771
8 "#HEY!" Pase Libre 109035
9 "#JM" Broederliefde 6756985
10 "#JesuispasséchezSo EP 11" Sofiane 174907
# ℹ 19,897 more rows
Análisis de canciones más escuchadas
Se analizaron las canciones con mayor número acumulado de reproducciones a lo largo del periodo registrado. Los resultados muestran una gran variedad de títulos, incluyendo canciones en inglés, español y otros idiomas.
Los temas más populares acumulan decenas de millones de streams, lo que evidencia un consumo musical altamente diversificado y global. La presencia de canciones con colaboraciones internacionales y de diferentes géneros resalta la naturaleza híbrida de las preferencias musicales actuales.
Top 10 artistas más escuchados (por suma de streams)
# A tibble: 10 × 2
artist total_streams
<chr> <dbl>
1 Ed Sheeran 8913973976
2 Drake 4523630992
3 The Chainsmokers 4292590087
4 Post Malone 3700404149
5 Kendrick Lamar 3570665303
6 Luis Fonsi 3555514919
7 J Balvin 2494735971
8 Calvin Harris 2397708371
9 Imagine Dragons 2322921399
10 DJ Khaled 2236224259
Análisis de canciones más escuchadas
Se analizaron las canciones con mayor número acumulado de reproducciones a lo largo del periodo registrado. Los resultados muestran una gran variedad de títulos, incluyendo canciones en inglés, español y otros idiomas.
Los temas más populares acumulan decenas de millones de streams, lo que evidencia un consumo musical altamente diversificado y global. La presencia de canciones con colaboraciones internacionales y de diferentes géneros resalta la naturaleza híbrida de las preferencias musicales actuales.
library(ggplot2)# Gráfico de barras para los 10 artistas con más streamsggplot(top_artistas, aes(x =reorder(artist, total_streams), y = total_streams)) +geom_col(fill ="steelblue") +coord_flip() +labs(title ="Top 10 artistas más escuchados en Spotify",x ="Artista",y ="Total de streams" ) +scale_y_continuous(labels = scales::comma) +theme_minimal()
spotify_tracks <-read_csv("C:/Users/OMAR DANIEL MEDINA V/Downloads/archive (3)/dataset.csv")
New names:
Rows: 114000 Columns: 21
── Column specification
──────────────────────────────────────────────────────── Delimiter: "," chr
(5): track_id, artists, album_name, track_name, track_genre dbl (15): ...1,
popularity, duration_ms, danceability, energy, key, loudness... lgl (1):
explicit
ℹ Use `spec()` to retrieve the full column specification for this data. ℹ
Specify the column types or set `show_col_types = FALSE` to quiet this message.
• `` -> `...1`
# Renombrar columna 'artists' a 'artist' en el dataset de duraciónspotify_tracks <- spotify_tracks |>rename(artist = artists)
# Convertimos duración de milisegundos a minutosspotify_combined <- spotify_combined |>mutate(duration_min = duration_ms /60000)# Calculamos la duración promedioduracion_promedio <- spotify_combined |>summarise(duracion_media =mean(duration_min, na.rm =TRUE))duracion_promedio
# A tibble: 1 × 1
duracion_media
<dbl>
1 3.52
Para analizar la duración promedio de las canciones, se integró la base original con un dataset adicional que incluye la variable “duration_ms”.
Luego de convertir esta medida a minutos y considerando todas las apariciones posibles de las canciones (por país y fecha), se obtuvo una duración promedio de aproximadamente 3minutos con 52 segs.
Este resultado proporciona una idea general de la extensión habitual de las canciones más populares en Spotify.
# Top 10 canciones más largascanciones_largas <- spotify_combined |>arrange(desc(duration_min)) |>distinct(track_name, artist, .keep_all =TRUE) |>slice_head(n =10) |>mutate(etiqueta =paste(track_name, "-", artist))# Gráficolibrary(ggplot2)ggplot(canciones_largas, aes(x =reorder(etiqueta, duration_min), y = duration_min)) +geom_col(fill ="purple") +coord_flip() +labs(title ="Top 10 canciones más largas en el dataset",x ="Canción - Artista",y ="Duración (minutos)" ) +theme_minimal()
Visualización de canciones más largas
El gráfico muestra las 10 canciones con mayor duración del conjunto de datos, destacando clásicos como “November Rain” de Guns N’ Roses y “Purple Rain” de Prince, que superan los 7 minutos.
Canciones más escuchadas por cantidad de apariciones en el top
# Canciones más veces en el topcanciones_populares <- spotify_clean |>count(track_name, artist, sort =TRUE) |>slice_head(n =10) |>mutate(etiqueta =paste(track_name, "-", artist))# Gráficoggplot(canciones_populares, aes(x =reorder(etiqueta, n), y = n)) +geom_col(fill ="steelblue") +coord_flip() +labs(title ="Canciones con más apariciones en el Top 200",x ="Canción - Artista",y ="Número de apariciones" ) +theme_minimal()
Momentos del día con más streams
library(lubridate)spotify_clean <- spotify_clean |>mutate(dia_semana =wday(date, label =TRUE, abbr =TRUE))# Total de streams por díastreams_por_dia <- spotify_clean |>group_by(dia_semana) |>summarise(total_streams =sum(streams, na.rm =TRUE))# Gráficoggplot(streams_por_dia, aes(x = dia_semana, y = total_streams)) +geom_col(fill ="darkgreen") +labs(title ="Streams totales por día de la semana",x ="Día",y ="Total de streams" ) +theme_minimal()
El análisis por día de la semana mostró que viernes y sábado son los días con mayor cantidad de streams, lo cual sugiere un aumento en la actividad musical hacia el fin de semana. Aunque el consumo se mantiene alto toda la semana, estos dos días destacan por una mayor interacción de los usuarios con la plataforma.
Conclusion:
El análisis exploratorio permitió descubrir patrones clave sobre la música y el comportamiento de los usuarios en Spotify:
Ed Sheeran lidera como el artista más escuchado, con más de 89 mil millones de streams. Le siguen Drake, The Chainsmokers y J Balvin, este último destacando como el único artista latino en el top global.
Las canciones con más apariciones en el Top 200 reflejan popularidad sostenida más allá del volumen de reproducciones en un solo día.
La duración promedio de las canciones en el dataset fue de 3 minutos con 52 segundos, aunque algunas canciones populares, como “November Rain”, superan los 7 minutos, demostrando que la duración no limita el alcance.
El consumo musical aumenta notablemente los viernes y sábados, lo que sugiere que los fines de semana son momentos clave para el lanzamiento de música y campañas promocionales.
Como recomendación, se recomendaria lanzar música viernes o sabado para aprovechar los picos de audiencia y tambien considerar realizar canciones tanto cortas como largas en un rango de 3-7 mins.
