Descripció del conjunt de dades
Anàlisi d’escolta musical
Biel - Adrià - Alan
2025-11-21
1. Introducció
Origen del conjunt
El conjunt de dades prové d’un període qualsevol d’escolta de música. Les escoltes totals estàn comptabilitzades per last.fm i les globals estàn comptabilitzades per Spotify. El gènere és el de l’àlbum al que pertany cada cançó.
Objectiu
L’objectiu principal que tenim és analitzar les dades adquirides i trobar relacions entre elles.
Per exemple: la durada de cada cançó en relació amb el seu gènere.
Adequació de les dades
Al tenir dades musicals per artista, popularitat, durada i gènere podem establir relacions interessants entre la durada (o altres valors) i el gènere.
2. Importació de les dades
Mostreu com heu importat el fitxer i quin nom té l’objecte carregat.
musica <- read.csv("musica_separat_genere.csv", header = TRUE, stringsAsFactors = FALSE)
save(musica, file = "musica.RData") # El nom de l'objecte és musicaFormat original i tractament previ
El format original de les dades era originalment en .csv, en el que vam haver de canviar el format de les dates, ja que no era adequat, hem afegit: - Any de publicació - Data - Durada - Gènere - Reproduccions globals - Reproduccions
3. Dimensions del dataset
dim(musica)## [1] 50 9glimpse(musica)## Rows: 50
## Columns: 9
## $ Artista <chr> "Oques Grasses", "Arctic Monkeys", "Arctic Monkey…
## $ Àlbum <chr> "A tope amb la vida", "AM", "AM", "Amics Tiets i …
## $ Títol <chr> "Talismà", "I Wanna Be Yours", "R U Mine?", "Amic…
## $ Any_pub <int> 2021, 2013, 2013, 2021, 2015, 2015, 2015, 2015, 2…
## $ Data <chr> "19 Mar 2025 06:49", "18 Mar 2025 17:26", "18 Mar…
## $ Durada <chr> "03:03:00", "03:03:00", "03:21:00", "03:37:00", "…
## $ Gènere <chr> "rock català", "sheffield indie", "sheffield indi…
## $ ReproduccionsGlobals <dbl> 5080936, 3417053862, 1297535685, 6632381, 3486176…
## $ Reproduccions <int> 5, 37, 58, 4, 15, 33, 16, 11, 41, 8, 11, 7, 11, 6…El dataset té 50 files i 9 columnes La unitat d’anàlisi és una reproducció.
- Quina és la unitat d’anàlisi (persona, empresa, producte, mesura…)
4. Diccionari de variables
Descriviu cada variable del dataset.
| Variable | Tipus | Descripció | Valors possibles / rang |
|---|---|---|---|
| Artista | Categòrica | Artista de la cançó escoltada | string |
| Àlbum | Categòrica | Àlbum de la cançó escoltada | string |
| Títol | Categòrica | Títol de la cançó escoltada | string |
| Any_pub | Numèrica | Any de publicació de l’àlbum/single | 1993 - 2025 |
| Data | Numèrica | Data i hora de l’escolta de la cançó | 18 Mar 2025 18:32 - 05 Jul 2025 10:23 |
| Durada | Numèrica | Durada de la cançó escoltada | 01:30:00 - 05:38:00 |
| Gènere | Categòrica | Gènere de l’àlbum/single | string |
| ReproduccionsGlobals | Numèrica | Reproduccions (spotify) de la cançó escoltada | 0 - INF |
| Reproduccions | Numèrica | Reproduccions de la cançó escoltada | 1 - INF |
tibble(
variable = names(musica),
tipus = sapply(musica, class)
)## # A tibble: 9 × 2
## variable tipus
## <chr> <chr>
## 1 Artista character
## 2 Àlbum character
## 3 Títol character
## 4 Any_pub integer
## 5 Data character
## 6 Durada character
## 7 Gènere character
## 8 ReproduccionsGlobals numeric
## 9 Reproduccions integer5. Estadístiques descriptives
summary(musica)## Artista Àlbum Títol Any_pub
## Length:50 Length:50 Length:50 Min. :1993
## Class :character Class :character Class :character 1st Qu.:2013
## Mode :character Mode :character Mode :character Median :2016
## Mean :2015
## 3rd Qu.:2020
## Max. :2024
## Data Durada Gènere ReproduccionsGlobals
## Length:50 Length:50 Length:50 Min. :8.706e+05
## Class :character Class :character Class :character 1st Qu.:1.180e+07
## Mode :character Mode :character Mode :character Median :8.434e+07
## Mean :3.712e+08
## 3rd Qu.:2.813e+08
## Max. :3.417e+09
## Reproduccions
## Min. : 3.00
## 1st Qu.: 8.25
## Median :14.50
## Mean :19.78
## 3rd Qu.:30.50
## Max. :60.00En aquest conjunt de dades no hi ha valors perduts.
Les dates s’han de passar a format data, la llibreria lubridate ho pot fer sense problemes.
6. Visualització inicial
Incloeu una o dues gràfiques exploratòries.
musica$Gènere <- factor(musica$Gènere, levels = sort(unique(musica$Gènere)))
# Defineix els colors per a cada categoria
colors <- c(
"j-rock" = "red",
"lo-fi" = "blue",
"punk rock" = "green",
"rock " = "purple",
"rock alternatiu" = "orange",
"rock català" = "pink",
"sheffield indie" = "brown",
"trap català" = "cyan",
"visual kei" = "magenta"
)
# Crea el primer gràfic de barres
grafic1 <- ggplot(musica, aes(y = Gènere, fill = Gènere)) +
geom_bar() +
scale_fill_manual(values = colors) +
theme_minimal() +
labs(title = "Distribució de Gèneres Musicals", x = "Gènere", y = "Freqüència") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Calcula les durades mitjanes per gènere
durada_mitjana <- musica %>%
group_by(Gènere) %>%
summarise(Durada_Mitjana = mean(Durada))## Warning: There were 9 warnings in `summarise()`.
## The first warning was:
## ℹ In argument: `Durada_Mitjana = mean(Durada)`.
## ℹ In group 1: `Gènere = j-rock`.
## Caused by warning in `mean.default()`:
## ! l'argument no és «numeric» ni «logical»: es retorna NA
## ℹ Run `dplyr::last_dplyr_warnings()` to see the 8 remaining warnings.grafic2 <- ggplot(durada_mitjana, aes(x = Gènere, y = Durada_Mitjana, fill = Gènere)) +
geom_bar(stat = "identity") +
scale_fill_manual(values = colors) +
theme_minimal() +
labs(title = "Durada Mitjana per Gènere", x = "Gènere", y = "Durada Mitjana") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Mostra els dos gràfics en una sola finestra
grid.arrange(grafic1, grafic2, ncol = 2)## Warning: Removed 9 rows containing missing values or values outside the scale range
## (`geom_bar()`).