การวิเคราะห์ข้อมูลเบื้องต้น (Introduction to Data Analysis)

30 minutes

วัตถุประสงค์

หลังจากทำทำแล็บ นศ.จะสามารถ

• วิเคราะห์ข้อมูลและแสดงผลโดยใช้ Pandas เบื้องต้นได้

Ref:

• http://pandas.pydata.org/pandas-docs/stable/getting_started/index.html

• https://www.kaggle.com/leonardodata/analysis-from-2010-2019-spotify

Dataset

ตอนนี้ในมือของคุณมีชุดข้อมูล (Dataset) เพลง เป็นข้อมูลเพลงฮิตในแต่ละปีตั้งแต่ปี 2010 ถึงปี 2019 โดยข้อมูลอยู่ในรูปแบบของตาราง แต่ละแถว (row) ในตารางเป็นข้อมูลของเพลงแต่ละเพลง และแต่ละคอลัมน์ (column) มีข้อมูลดังต่อไปนี้

• artist - ชื่อศิลปิน (นักร้อง วงดนตรี)

• Top genre คือแนวเพลงหรือประเภทของแนวดนตรี

• Year คือปีของเพลงที่อยู่ในบิลบอร์ด (Billboard)

• Bpm (Tempo) คือจังหวะเร็วช้าขนาดไหน หน่วยเป็น bpm (Beats.Per.Minute)

• Nrgy (Energy) คือพลังหรือความพุ่งของเพลง

• Dnce (Danceability) คือความดิ้น หรือความน่าเต้นของเพลง

• dB (Loudness) คือระดับความดังในหน่วย decibel

• Live (Liveness) คือระดับของการแสดงสด (Live) ของเพลง

• Val (Valence) คือระดับความ positive ในเพลง (ค่าต่ำ: เศร้า-หดหู่-โกรธ,คาสูง: มีความสุข-ให้กำลังใจ)

• Dur (Length) - คือความยาว (ระยะเวลา) ของเพลง/ดนตรี

• Acous (Acousticness) คือความ “acoustic” ของเพลง

• Spch (Speechiness) คือปริมาณของคำพูดหรือเนื้อร้อง

• Popularity คือระดับความนิยม ยิ่งค่าสูงเท่าไหร่ ยิ่งเป็นที่นิยม

ชุดข้อมูลที่ได้รับอยู่ในรูปตาราง (Format CSV)

(Source: spotifycharts.com, kaggle.com)

#	title	artist	top genre	year	bpm	nrgy	dnce	dB	live	val	dur	acous	spch	pop
1	Memories	Maroon 5	pop	2019	91	32	76	-7	8	57	189	84	5	99
2	Lose You To Love Me	Selena Gomez	dance pop	2019	102	34	51	-9	21	9	206	58	4	97
3	Someone You Loved	Lewis Capaldi	pop	2019	110	41	50	-6	11	45	182	75	3	96
4	Senorita	Shawn Mendes	canadian pop	2019	117	54	76	-6	9	75	191	4	3	95
5	How Do You Sleep?	Sam Smith	pop	2019	111	68	48	-5	8	35	202	15	9	93
6	South of the Border (feat. Camila Cabello & Cardi B)	Ed Sheeran	pop	2019	98	62	86	-6	9	67	204	15	8	92
7	Trampoline (with ZAYN)	SHAED	electropop	2019	127	46	62	-6	14	50	184	56	3	92
8	Happier	Marshmello	brostep	2019	100	79	69	-3	17	67	214	19	5	90
9	Truth Hurts	Lizzo	escape room	2019	158	62	72	-3	12	41	173	11	11	90
10	Good as Hell (feat. Ariana Grande) - Remix	Lizzo	escape room	2019	96	89	67	-3	74	48	159	30	6	90
11	Underneath the Tree	Kelly Clarkson	dance pop	2013	160	81	51	-5	21	69	230	0	5	88
12	Higher Love	Kygo	edm	2019	104	68	69	-7	10	40	228	2	3	88
13	Shape of You	Ed Sheeran	pop	2017	96	65	83	-3	9	93	234	58	8	87
14	Only Human	Jonas Brothers	boy band	2019	94	50	80	-6	6	87	183	11	7	87
15	All of Me	John Legend	neo mellow	2014	120	26	42	-7	13	33	270	92	3	86
16	Closer	The Chainsmokers	electropop	2017	95	52	75	-6	11	66	245	41	3	86
17	One Kiss (with Dua Lipa)	Calvin Harris	dance pop	2018	124	86	79	-3	8	59	215	4	11	86
18	Beautiful People (feat. Khalid)	Ed Sheeran	pop	2019	93	65	64	-8	8	55	198	12	19	86
19	Sucker	Jonas Brothers	boy band	2019	138	73	84	-5	11	95	181	4	6	86
20	Don’t Call Me Up	Mabel	dance pop	2019	99	88	67	-3	8	23	178	30	15	86

Pandas คือ ?

Pandas^* เป็นไลบรารี่ที่ได้รับความนิยมอย่างมากอันหนึ่งของภาษาไพทอน ใช้ในการจัดการข้อมูล (Data wrangling/ Data cleaning) และการวิเคราะห์ข้อมูล (Data analysis) สามารถจัดการกับข้อมูลที่มีขนาดใหญ่ๆ ได้โดยที่ไม่มีปัญหา (ในขณะที่โปรแกรม Spreadsheets อย่าง Excel มีปัญหาเรื่องการประมวลผลช้าและไม่เสถียร)

เนื่องจาก Pandas ไม่ใช่โมดูลมาตรฐานของไพทอน ดังนั้น ก่อนจะใช้งานจำเป็นต้องติดตั้งลงเครื่องก่อน (pip install หรือ conda install)

เราจะเริ่มต้นเขียนโปรแกรมโดยการ import เข้ามา ณ ที่นี้จะตั้งชื่อว่า pd เพื่อให้เวลาเรียกใช้งานฟังก์ชันจะได้เขียนง่ายๆ เช่น pd.read_csv()

(^*Pandas มาจาก Panel data ซึ่งหมายถึงข้อมูลที่มีหลายมิติ)

Import ไลบรารี่ที่จะใช้งาน

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
#import matplotlib as mpl
%matplotlib inline

โหลดชุดข้อมูลไฟล์ CSV เข้าสู่โปรแกรมในรูปแบบ DataFrame

The top songs BY YEAR in the world by spotify. This dataset has several variables about the songs and is based on Billboard.

(ชุดข้อมูลข้างต้นสามารถดาวโหลดได้จาก spotifycharts.com หรือ kaggle.com โดยข้อมูลดิบจะเรียงตามปี (Year) ในรูปของไฟล์ CSV (Comma-Separated Values) )

ก่อนอื่น เราจะโหลดไฟล์ข้อมูล csv ที่อยู่ในเครื่องของเราเข้าสู่ไพทอนในรูปแบบ DataFrame (DataFrame คือ ตารางข้อมูลที่ถูกแบ่งเป็นแถวและคอลัมน์เหมือน Excel) โดยใช้ฟังก์ชัน read_csv()

ตัวแปร csv_path เก็บที่อยู่ของไฟล์ (path) .csv ส่งเป็นอาร์กิวเมนต์ให้กับฟังก์ชั่น read_csv ผลลัพธ์จะถูกเก็บในออบเจ็กต์ชื่อ df ซึ่งเป็นชื่อย่อของตัวแปรที่นิยมใช้เก็บ DataFrame

# Read data from CSV file
csv_path = 'docs/Top_Spotify_songs_from_2010_2019.csv'
df = pd.read_csv(csv_path, encoding='ISO-8859-1')

แสดงตัวอย่างข้อมูล (Preview) ของ Dataframe ได้โดยใช้ฟังก์ชัน ใช้เมธอด head()

# Print first five rows of the dataframe

df.head()

	Unnamed: 0	title	artist	top genre	year	bpm	nrgy	dnce	dB	live	val	dur	acous	spch	pop
0	1	Hey, Soul Sister	Train	neo mellow	2010	97	89	67	-4	8	80	217	19	4	83
1	2	Love The Way You Lie	Eminem	detroit hip hop	2010	87	93	75	-5	52	64	263	24	23	82
2	3	TiK ToK	Kesha	dance pop	2010	120	84	76	-3	29	71	200	10	14	80
3	4	Bad Romance	Lady Gaga	dance pop	2010	119	92	70	-4	8	71	295	0	4	79
4	5	Just the Way You Are	Bruno Mars	pop	2010	109	84	64	-5	9	43	221	2	4	78

ในกรณีที่ข้อมูลเป็นไฟล์ excel (.xlsx, .xls) Pandas จะใช้ไลบรารี xlrd โดยเรียกใช้ใช้ฟังก์ชั่น read_excel() ซึ่งผลลัพท์ที่ได้จะเป็น Dataframe เช่นเดียวกัน

ตัวอย่างการวิเคราะห์ข้อมูลเพลงฮิตสปอติฟายในช่วง 2010~2019

Ref: https://www.kaggle.com/scratchpad/notebook42c2f8a089

จัดเตรียมชุดข้อมูล (Data preparation)

จากข้อมูลที่ได้มา เราจะเปลี่ยนชื่อของคอลัมน์จาก top genres เป็น top_genres และลบคอลัมน์ไม่มีชื่อ (Unnamed: 0) ทิ้ง เพื่อหลีกเลี่ยงปัญหาที่อาจเกิดขึ้นได้ในภายหลัง

เนื่องจากชุดข้อมูลนี้ไม่มีช่องใดที่มีค่า NaN จึงพร้อมสำหรับการวิเคราะห์

df = df.rename(columns={'top genre': 'top_genre'})
df = df.drop('Unnamed: 0', axis=1)
print(df.columns)

Index(['title', 'artist', 'top_genre', 'year', 'bpm', 'nrgy', 'dnce', 'dB',
       'live', 'val', 'dur', 'acous', 'spch', 'pop'],
      dtype='object')

df.head()

	title	artist	top_genre	year	bpm	nrgy	dnce	dB	live	val	dur	acous	spch	pop
0	Hey, Soul Sister	Train	neo mellow	2010	97	89	67	-4	8	80	217	19	4	83
1	Love The Way You Lie	Eminem	detroit hip hop	2010	87	93	75	-5	52	64	263	24	23	82
2	TiK ToK	Kesha	dance pop	2010	120	84	76	-3	29	71	200	10	14	80
3	Bad Romance	Lady Gaga	dance pop	2010	119	92	70	-4	8	71	295	0	4	79
4	Just the Way You Are	Bruno Mars	pop	2010	109	84	64	-5	9	43	221	2	4	78

ตรวจสอบความสัมพันธ์ของแต่ละฟีเจอร์ (Features) ในชุดข้อมูล

df.corr() # corr() is used to find the pairwise correlation of all columns in the dataframe. 

/var/folders/nb/qx4_7k_n2mx3zzwh39qtrg_c0000gn/T/ipykernel_82260/2964105268.py:1: FutureWarning: The default value of numeric_only in DataFrame.corr is deprecated. In a future version, it will default to False. Select only valid columns or specify the value of numeric_only to silence this warning.
  df.corr() # corr() is used to find the pairwise correlation of all columns in the dataframe.

	year	bpm	nrgy	dnce	dB	live	val	dur	acous	spch	pop
year	1.000000	-0.104247	-0.225596	0.079269	-0.126471	-0.136331	-0.122025	-0.215344	0.101725	0.004778	0.241261
bpm	-0.104247	1.000000	0.126170	-0.131301	0.183870	0.081579	0.016021	-0.029359	-0.113257	0.058999	0.018983
nrgy	-0.225596	0.126170	1.000000	0.167209	0.537528	0.186738	0.409577	-0.143610	-0.562287	0.107313	-0.057645
dnce	0.079269	-0.131301	0.167209	1.000000	0.233170	-0.028801	0.501696	-0.176841	-0.240064	-0.028041	0.116054
dB	-0.126471	0.183870	0.537528	0.233170	1.000000	0.081934	0.282922	-0.104723	-0.190401	-0.001110	0.156897
live	-0.136331	0.081579	0.186738	-0.028801	0.081934	1.000000	0.020226	0.098339	-0.098167	0.144103	-0.075749
val	-0.122025	0.016021	0.409577	0.501696	0.282922	0.020226	1.000000	-0.262256	-0.249038	0.122013	0.038953
dur	-0.215344	-0.029359	-0.143610	-0.176841	-0.104723	0.098339	-0.262256	1.000000	0.091802	0.054564	-0.104363
acous	0.101725	-0.113257	-0.562287	-0.240064	-0.190401	-0.098167	-0.249038	0.091802	1.000000	0.002763	0.026704
spch	0.004778	0.058999	0.107313	-0.028041	-0.001110	0.144103	0.122013	0.054564	0.002763	1.000000	-0.041490
pop	0.241261	0.018983	-0.057645	0.116054	0.156897	-0.075749	0.038953	-0.104363	0.026704	-0.041490	1.000000

พล็อตข้อมูลตรวจสอบความสัมพันธ์กันระหว่างข้อมูล

พล็อต Heatmap ด้วย Seaborn

import seaborn as sn

plt.figure(figsize=(8, 7))
sn.heatmap(df.corr(),
            annot = True,
            fmt = '.2f',
            cmap='Blues')
plt.title('Correlation between variables in the Spotify data set')
plt.show()

/var/folders/nb/qx4_7k_n2mx3zzwh39qtrg_c0000gn/T/ipykernel_82260/4252206390.py:2: FutureWarning: The default value of numeric_only in DataFrame.corr is deprecated. In a future version, it will default to False. Select only valid columns or specify the value of numeric_only to silence this warning.
  sn.heatmap(df.corr(),

จากแผนภูมิข้างต้น เราพบฟีเจอร์ (Features) ที่มีความสัมพันธ์กัน

-> Acous กับ NRGY  -0.56
-> Val   กับ DNCE   0.50
-> dB    กับ NRGY   0.54

พล็อตข้อมูลที่มีความสัมพันธ์กัน

• Top genre คือแนวเพลงหรือประเภทของแนวดนตรี

• Year คือปีของเพลงที่อยู่ในบิลบอร์ด (Billboard)

• Bpm (Tempo) คือจังหวะเร็วช้าขนาดไหน หน่วยเป็น bpm (Beats.Per.Minute)

• Nrgy (Energy) คือพลังหรือความพุ่งของเพลง

• Dnce (Danceability) คือความดิ้น หรือความน่าเต้นของเพลง

• dB (Loudness) คือระดับความดังในหน่วย decibel

• Live (Liveness) คือระดับของการแสดงสด (Live) ของเพลง

• Val (Valence) คือระดับความ positive ในเพลง (ค่าต่ำ: เศร้า-หดหู่-โกรธ,ค่าสูง: มีความสุข-ให้กำลังใจ)

• Dur (Length) - คือความยาว (ระยะเวลา) ของเพลง/ดนตรี

• Acous (Acousticness) คือความ “acoustic” ของเพลง

• Spch (Speechiness) คือปริมาณของคำพูดหรือเนื้อร้อง

• Popularity คือระดับความนิยม ยิ่งค่าสูงเท่าไหร่ ยิ่งเป็นที่นิยม

df.plot(x='acous',y='nrgy',kind='scatter', title='Relationship between Energy and Acousticness  ',color='r')
plt.xlabel('Acousticness')
plt.ylabel('Energy')

df.plot(x='nrgy',y='dB',kind='scatter', title='Relationship between Loudness (dB) and Energy',color='b')
plt.xlabel('Energy')
plt.ylabel('Loudness (dB)')

df.plot(x='val',y='dnce',kind='scatter', title='Relationship between Loudness (dB) and Valence',color='g')
plt.xlabel('Valence')
plt.ylabel('Loudness (dB)')

Text(0, 0.5, 'Loudness (dB)')

วิเคราะห์ชุดข้อมูล

ศิลปินที่มีจำนวนเพลงมาก 10 อันดับแรก?

artists = df['artist'].unique() # Return unique values of Series object. Uniques are returned in order of appearance
print("The dfset has {} artists".format (len(artists)))
print(type(artists))
artists[0:10] 

The dfset has 184 artists
<class 'numpy.ndarray'>

array(['Train', 'Eminem', 'Kesha', 'Lady Gaga', 'Bruno Mars',
       'Justin Bieber', 'Taio Cruz', 'OneRepublic', 'Alicia Keys',
       'Rihanna'], dtype=object)

# ดูความถี่ของค่าในคอลัมน์ต่างๆ กรณี 'artist'
df['artist'].value_counts() # Type: pandas.core.series.Series

Katy Perry             17
Justin Bieber          16
Rihanna                15
Maroon 5               15
Lady Gaga              14
                       ..
Iggy Azalea             1
5 Seconds of Summer     1
Michael Jackson         1
Disclosure              1
Daddy Yankee            1
Name: artist, Length: 184, dtype: int64

# value_counts() function return a Series containing counts of unique values.
# reset_index() resets the index of the DataFrame, and use the default one instead.
artists = df['artist'].value_counts().reset_index().head(10)

print(type(artists))
print(artists)

<class 'pandas.core.frame.DataFrame'>
              index  artist
0        Katy Perry      17
1     Justin Bieber      16
2           Rihanna      15
3          Maroon 5      15
4         Lady Gaga      14
5        Bruno Mars      13
6      Shawn Mendes      11
7           Pitbull      11
8        Ed Sheeran      11
9  The Chainsmokers      11

plt.figure(figsize=(15,8))
sn.barplot(x='index',y='artist', data=artists)
plt.title("Number of Musics on top score by the 10 Top Artists")

Text(0.5, 1.0, 'Number of Musics on top score by the 10 Top Artists')

เพลงที่มีชื่อในชุดข้อมูลมากกว่าหนึ่งครั้ง

df['title'].value_counts().head(20)>1

A Little Party Never Killed Nobody (All We Got)     True
All I Ask                                           True
Kissing Strangers                                   True
Written in the Stars (feat. Eric Turner)            True
The Hills                                           True
Love Yourself                                       True
We Are Never Ever Getting Back Together             True
Sugar                                               True
Say Something                                       True
First Time                                          True
Stitches                                            True
I Like It                                           True
Hello                                               True
Castle Walls (feat. Christina Aguilera)             True
Company                                             True
Runnin' (Lose It All)                               True
Marry You                                           True
Just the Way You Are                                True
Here                                                True
Ain't Your Mama                                    False
Name: title, dtype: bool

ดูข้อมูลของเพลงทุกเพลงที่ซ้ำ

more_than_one = df['title'].value_counts().head(19)
more_than_one

A Little Party Never Killed Nobody (All We Got)    2
All I Ask                                          2
Kissing Strangers                                  2
Written in the Stars (feat. Eric Turner)           2
The Hills                                          2
Love Yourself                                      2
We Are Never Ever Getting Back Together            2
Sugar                                              2
Say Something                                      2
First Time                                         2
Stitches                                           2
I Like It                                          2
Hello                                              2
Castle Walls (feat. Christina Aguilera)            2
Company                                            2
Runnin' (Lose It All)                              2
Marry You                                          2
Just the Way You Are                               2
Here                                               2
Name: title, dtype: int64

การวิเคราะห์โดยการเรียงลำดับข้อมูล

เพลงที่มีระดับความนิยม (Popularity) มากสุด Top 15

จากข้อมูลสรุปได้ว่า เพลงฮิตมากที่สุดแทบทุกเพลงเป็นเพลงในปี 2019

df.sort_values(by=['pop'], ascending=False).head(15)

	title	artist	top_genre	year	bpm	nrgy	dnce	dB	live	val	dur	acous	spch	pop
572	Memories	Maroon 5	pop	2019	91	32	76	-7	8	57	189	84	5	99
573	Lose You To Love Me	Selena Gomez	dance pop	2019	102	34	51	-9	21	9	206	58	4	97
574	Someone You Loved	Lewis Capaldi	pop	2019	110	41	50	-6	11	45	182	75	3	96
575	Señorita	Shawn Mendes	canadian pop	2019	117	54	76	-6	9	75	191	4	3	95
576	How Do You Sleep?	Sam Smith	pop	2019	111	68	48	-5	8	35	202	15	9	93
578	Trampoline (with ZAYN)	SHAED	electropop	2019	127	46	62	-6	14	50	184	56	3	92
577	South of the Border (feat. Camila Cabello & Ca...	Ed Sheeran	pop	2019	98	62	86	-6	9	67	204	15	8	92
580	Truth Hurts	Lizzo	escape room	2019	158	62	72	-3	12	41	173	11	11	90
581	Good as Hell (feat. Ariana Grande) - Remix	Lizzo	escape room	2019	96	89	67	-3	74	48	159	30	6	90
579	Happier	Marshmello	brostep	2019	100	79	69	-3	17	67	214	19	5	90
582	Higher Love	Kygo	edm	2019	104	68	69	-7	10	40	228	2	3	88
139	Underneath the Tree	Kelly Clarkson	dance pop	2013	160	81	51	-5	21	69	230	0	5	88
583	Only Human	Jonas Brothers	boy band	2019	94	50	80	-6	6	87	183	11	7	87
443	Shape of You	Ed Sheeran	pop	2017	96	65	83	-3	9	93	234	58	8	87
584	Beautiful People (feat. Khalid)	Ed Sheeran	pop	2019	93	65	64	-8	8	55	198	12	19	86

เพลงที่มีความยาว (ระยะเวลา) มากสุด Top 15

df.sort_values(by=['dur'], ascending=False).head(-5)

	title	artist	top_genre	year	bpm	nrgy	dnce	dB	live	val	dur	acous	spch	pop
188	TKO	Justin Timberlake	dance pop	2013	138	68	61	-7	43	49	424	1	24	58
422	Wish That You Were Here - From “Miss Peregrine...	Florence + The Machine	art pop	2016	94	57	37	-6	13	12	403	72	3	57
63	Monster	Kanye West	chicago rap	2011	125	69	63	-6	67	10	379	0	20	73
162	Lose Yourself to Dance	Daft Punk	electro	2013	100	66	83	-8	8	67	354	8	6	72
194	Take Back the Night	Justin Timberlake	dance pop	2013	107	66	59	-5	64	33	353	4	16	54
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
390	Light It Up (feat. Nyla & Fuse ODG) [Remix]	Major Lazer	dance pop	2016	108	88	75	-4	23	75	166	4	7	73
547	Nervous	Shawn Mendes	canadian pop	2018	122	62	84	-7	13	74	164	4	8	71
595	Antisocial (with Travis Scott)	Ed Sheeran	pop	2019	152	82	72	-5	36	91	162	13	5	78
260	Tee Shirt - Soundtrack Version	Birdy	neo mellow	2014	76	34	68	-9	9	56	160	84	3	49
334	Reality - Radio Edit	Lost Frequencies	belgian edm	2015	122	70	71	-8	7	60	159	2	3	61

598 rows × 14 columns

เพลงที่มีความ “Acoustic” มากสุด Top 15

df.sort_values(by=['acous'], ascending=False).head(5)

	title	artist	top_genre	year	bpm	nrgy	dnce	dB	live	val	dur	acous	spch	pop
431	Start	John Legend	neo mellow	2016	110	4	52	-15	9	26	310	99	4	47
255	Not About Angels	Birdy	neo mellow	2014	116	14	41	-10	9	23	190	97	4	56
186	Clown	Emeli Sandé	dance pop	2013	130	23	45	-8	11	23	221	92	4	60
210	All of Me	John Legend	neo mellow	2014	120	26	42	-7	13	33	270	92	3	86
96	Turning Page	Sleeping At Last	acoustic pop	2011	125	38	30	-8	11	19	255	91	3	46

แนวเพลงประเภทไหนที่อยู่ในชุดข้อมูล 10 อันดับแรก?

genres = df['top_genre'].value_counts().reset_index().head(10)
genres.head(10)

	index	top_genre
0	dance pop	327
1	pop	60
2	canadian pop	34
3	barbadian pop	15
4	boy band	15
5	electropop	13
6	british soul	11
7	big room	10
8	canadian contemporary r&b	9
9	neo mellow	9

plt.figure(figsize=(23,10))
sn.barplot(x='index',y='top_genre', data=genres)

<Axes: xlabel='index', ylabel='top_genre'>

plt.figure(figsize=(20,10))
for i in genres['index']:
  tmp = []
  for y in range(2010,2020):
    songs = df[df['year'] == y][df['top_genre'] == i]
    tmp.append(songs.shape[0])
  sn.lineplot(x=list(range(2010,2020)),y=tmp)
plt.legend(list(genres['index']))

/var/folders/nb/qx4_7k_n2mx3zzwh39qtrg_c0000gn/T/ipykernel_82260/1342248677.py:5: UserWarning: Boolean Series key will be reindexed to match DataFrame index.
  songs = df[df['year'] == y][df['top_genre'] == i]
/var/folders/nb/qx4_7k_n2mx3zzwh39qtrg_c0000gn/T/ipykernel_82260/1342248677.py:5: UserWarning: Boolean Series key will be reindexed to match DataFrame index.
  songs = df[df['year'] == y][df['top_genre'] == i]
/var/folders/nb/qx4_7k_n2mx3zzwh39qtrg_c0000gn/T/ipykernel_82260/1342248677.py:5: UserWarning: Boolean Series key will be reindexed to match DataFrame index.
  songs = df[df['year'] == y][df['top_genre'] == i]
/var/folders/nb/qx4_7k_n2mx3zzwh39qtrg_c0000gn/T/ipykernel_82260/1342248677.py:5: UserWarning: Boolean Series key will be reindexed to match DataFrame index.
  songs = df[df['year'] == y][df['top_genre'] == i]
/var/folders/nb/qx4_7k_n2mx3zzwh39qtrg_c0000gn/T/ipykernel_82260/1342248677.py:5: UserWarning: Boolean Series key will be reindexed to match DataFrame index.
  songs = df[df['year'] == y][df['top_genre'] == i]
/var/folders/nb/qx4_7k_n2mx3zzwh39qtrg_c0000gn/T/ipykernel_82260/1342248677.py:5: UserWarning: Boolean Series key will be reindexed to match DataFrame index.
  songs = df[df['year'] == y][df['top_genre'] == i]
/var/folders/nb/qx4_7k_n2mx3zzwh39qtrg_c0000gn/T/ipykernel_82260/1342248677.py:5: UserWarning: Boolean Series key will be reindexed to match DataFrame index.
  songs = df[df['year'] == y][df['top_genre'] == i]
/var/folders/nb/qx4_7k_n2mx3zzwh39qtrg_c0000gn/T/ipykernel_82260/1342248677.py:5: UserWarning: Boolean Series key will be reindexed to match DataFrame index.
  songs = df[df['year'] == y][df['top_genre'] == i]
/var/folders/nb/qx4_7k_n2mx3zzwh39qtrg_c0000gn/T/ipykernel_82260/1342248677.py:5: UserWarning: Boolean Series key will be reindexed to match DataFrame index.
  songs = df[df['year'] == y][df['top_genre'] == i]
/var/folders/nb/qx4_7k_n2mx3zzwh39qtrg_c0000gn/T/ipykernel_82260/1342248677.py:5: UserWarning: Boolean Series key will be reindexed to match DataFrame index.
  songs = df[df['year'] == y][df['top_genre'] == i]

<matplotlib.legend.Legend at 0x12f59b3d0>

---

Author

S.C.

Change Log

Date	Version	Change Description
08-08-2021	0.1	First edition