最近在整理欧美音乐数据时发现很多朋友对 Dua Lipa 这位现象级歌手的单曲走势分析很感兴趣尤其是她在 Billboard Hot 100 榜单上的表现。从2016年横空出世到2025年持续输出热单她的音乐轨迹堪称一部生动的流行音乐市场教科书。本文将从一个技术分析者的角度带你用数据可视化和趋势分析的方法系统复盘 Dua Lipa 在 Billboard Hot 100 上的单曲走势并手把手教你如何用 Python 获取、处理和分析这类音乐榜单数据。无论你是音乐数据分析的爱好者还是想学习如何用代码处理公开数据的开发者这篇文章都将提供一套完整的实战方案。我们将从数据源获取开始一步步完成数据清洗、可视化分析并最终生成类似专业音乐媒体发布的走势图表。1. 背景与核心概念在深入代码之前我们有必要先厘清几个关键概念这有助于理解我们后续分析的目标和意义。1.1 Billboard Hot 100 是什么Billboard Hot 100 是由美国《公告牌》杂志每周发布的一份单曲排行榜被广泛认为是美国乃至全球流行音乐市场最权威的风向标之一。它的排名综合了单曲销量实体与数字、电台点播量以及流媒体播放量包括音频和视频等多个维度的数据。重要性对于歌手和唱片公司而言进入 Hot 100 意味着巨大的商业成功和曝光度对于乐迷和行业观察者它是追踪流行趋势的绝佳工具。走势分析的价值观察一首单曲在榜单上的“走势”即每周排名的变化可以分析出市场接受度歌曲是迅速爆红陡峭上升还是慢热型缓慢爬升。持久力歌曲在榜单高位停留的周数反映了其长期流行潜力。宣传效应音乐视频发布、现场表演、社交媒体营销等事件对排名的即时影响。1.2 为什么选择 Dua Lipa 作为分析案例Dua Lipa 是分析流行音乐走势的绝佳样本原因如下清晰的职业阶段她的职业生涯2016-2025跨越了流媒体音乐成为绝对主流的时代数据具有连贯性和时代代表性。多样的单曲表现她拥有多首冠军单曲如 “Levitating”、慢热型热单如 “Don‘t Start Now”以及合作爆款如 “Cold Heart”走势类型丰富。数据可获取性Billboard 和 Spotify 等平台提供了相对规范的公开数据接口或历史存档便于技术分析。1.3 技术分析的目标本文的技术目标不是简单地罗列排名而是通过编程实现自动化数据采集从可靠来源获取 Dua Lipa 所有单曲的每周 Hot 100 历史排名。数据清洗与整合处理缺失值、异常值并将多首单曲的数据进行时间对齐和标准化。可视化趋势生成专业、清晰的可视化图表直观展示每首单曲的榜单生命周期。量化分析计算如“峰值排名”、“在榜周数”、“平均排名”等关键指标进行横向对比。2. 环境准备与版本说明我们将使用 Python 作为主要工具因为它拥有丰富的数据处理和分析库。以下环境是完成本教程的基础。操作系统Windows 10/11, macOS, 或 Linux 均可。本文示例在 macOS 上完成。Python 版本3.8 或更高版本。推荐使用 3.9 以获得更好的库兼容性。主要第三方库pandas(1.3.0): 数据处理和分析的核心。numpy(1.21.0): 数值计算支持。matplotlib(3.5.0) seaborn(0.11.0): 数据可视化。requests(2.27.0): 用于网络请求获取数据。beautifulsoup4(4.11.0): 用于解析 HTML 页面如果从网页抓取数据。集成开发环境IDE你可以使用 Jupyter Notebook非常适合交互式数据分析、VS Code、PyCharm 等。本文代码将以脚本形式呈现可在任何环境中运行。版本管理建议由于第三方库更新频繁建议使用虚拟环境如venv或conda来管理项目依赖避免版本冲突。安装依赖 打开终端或命令提示符使用 pip 安装所需库pip install pandas numpy matplotlib seaborn requests beautifulsoup4示例项目结构 创建一个项目文件夹例如dua_lipa_hot100_analysis内部结构如下dua_lipa_hot100_analysis/ ├── data/ # 存放原始和清洗后的数据 │ ├── raw/ # 原始数据CSV/JSON │ └── processed/ # 清洗后的数据 ├── scripts/ # Python 脚本 │ ├── data_fetcher.py # 数据获取脚本 │ ├── data_cleaner.py # 数据清洗脚本 │ └── visualizer.py # 可视化脚本 ├── outputs/ # 生成的图表和报告 │ └── charts/ └── main.py # 主运行脚本可选3. 核心工具与原理拆解在开始实战前我们先了解一下将要用到的核心工具库及其在本项目中的角色。3.1 Pandas数据操作的瑞士军刀pandas的DataFrame是存储和分析榜单数据的最佳数据结构。想象一下一个DataFrame就是一个超级强大的电子表格。import pandas as pd # 创建一个模拟的榜单数据DataFrame data { ‘date‘: [‘2024-01-06‘, ‘2024-01-13‘, ‘2024-01-20‘], ‘song‘: [‘Houdini‘, ‘Houdini‘, ‘Houdini‘], ‘artist‘: [‘Dua Lipa‘, ‘Dua Lipa‘, ‘Dua Lipa‘], ‘rank‘: [11, 8, 5] } df pd.DataFrame(data) print(df)关键操作数据读取/写入pd.read_csv(),df.to_csv()用于处理 CSV 格式的榜单历史数据。数据筛选df[df[‘artist‘] ‘Dua Lipa‘]快速筛选出特定歌手的记录。分组聚合df.groupby(‘song‘)[‘rank‘].min()可以计算每首歌的最佳最低排名。时间序列处理将date列转换为datetime类型后可以方便地按周、月进行重采样和分析。3.2 Matplotlib Seaborn让趋势一目了然matplotlib是基础绘图库seaborn在其基础上提供了更美观、更高级的统计图形接口。我们将用它们来绘制单曲走势图。核心图表类型选择折线图 (Line Chart)最适合展示排名随时间的变化趋势。X轴是日期Y轴是排名注意排名数字越小越好所以图表需要反向理解。面积图 (Area Chart)可以用于叠加显示多首单曲的“在榜热度”但要注意数据重叠问题。热力图 (Heatmap)适合展示多首单曲在长时间跨度内每周的排名情况能快速识别“爆红”和“长尾”歌曲。3.3 数据获取策略与伦理重要提示直接爬取 Billboard 官网可能违反其服务条款且网站结构经常变动爬虫维护成本高。推荐以下更稳定、合规的数据源Kaggle / 数据集平台许多用户会上传整理好的历史榜单数据集如 “Billboard Hot 100 (1958-2021)”。这是最安全、最便捷的起点。官方/半官方APIBillboard 本身没有公开的免费API但有一些社区维护的库如billboard-charts或第三方音乐数据API如 Spotify Web API但需注意其数据范围。手动整理补充对于最新数据如2023-2025可以结合音乐数据新闻网站如 Billboard 自身文章进行手动记录或使用能提供近期榜单的API。本文示例策略为了教程的稳定性和可复现性我们将以一份模拟的、结构化的 CSV 数据文件为基础进行后续所有分析。你可以用从 Kaggle 下载的真实数据集替换这个文件。4. 完整实战案例从数据到图表现在我们开始完整的实战流程。假设我们已经从 Kaggle 获得了一份包含 2016-2023 年 Hot 100 历史数据的 CSV 文件hot100_history.csv并手动补充了 2024-2025 年 Dua Lipa 单曲的数据。4.1 数据加载与初步探索首先我们加载数据并查看其结构。# scripts/data_cleaner.py import pandas as pd import numpy as np # 加载数据 # 假设数据文件放在项目的 data/raw/ 目录下 df pd.read_csv(‘../data/raw/hot100_history.csv‘) # 查看数据前5行和基本信息 print(“数据前5行“) print(df.head()) print(“\n数据基本信息“) print(df.info()) print(“\n数据列名“) print(df.columns.tolist())假设我们的数据包含以下列date(榜单日期),rank(排名),song(歌曲名),artist(艺术家)。我们需要从中筛选出 Dua Lipa 的记录。4.2 数据清洗与筛选数据清洗是保证分析质量的关键一步。# 继续在 data_cleaner.py 中 # 1. 筛选 Dua Lipa 的单曲 (包括合作曲) # 注意合作曲目中 Dua Lipa 可能不是主要艺术家这里使用包含匹配 dua_songs_df df[df[‘artist‘].str.contains(‘Dua Lipa‘, caseFalse, naFalse)].copy() # 2. 处理日期列将其转换为 datetime 类型便于时间序列分析 dua_songs_df[‘date‘] pd.to_datetime(dua_songs_df[‘date‘]) # 3. 处理排名列确保是数值类型并处理可能的异常值如排名为0或100 dua_songs_df[‘rank‘] pd.to_numeric(dua_songs_df[‘rank‘], errors‘coerce‘) # 移除排名不在1-100之间的无效数据如果有的话 dua_songs_df dua_songs_df[(dua_songs_df[‘rank‘] 1) (dua_songs_df[‘rank‘] 100)] # 4. 数据排序按歌曲和日期排序 dua_songs_df.sort_values([‘song‘, ‘date‘], inplaceTrue) # 5. 重置索引 dua_songs_df.reset_index(dropTrue, inplaceTrue) print(f“筛选后Dua Lipa 相关的记录有 {len(dua_songs_df)} 条。“) print(“清洗后的数据示例“) print(dua_songs_df.head(10)) # 6. 保存清洗后的数据 dua_songs_df.to_csv(‘../data/processed/dua_lipa_hot100_cleaned.csv‘, indexFalse)4.3 核心分析计算关键指标接下来我们为每首单曲计算一些核心指标。# scripts/analyzer.py import pandas as pd # 加载清洗后的数据 df pd.read_csv(‘../data/processed/dua_lipa_hot100_cleaned.csv‘) df[‘date‘] pd.to_datetime(df[‘date‘]) # 按歌曲分组计算指标 song_stats df.groupby(‘song‘).agg( first_date(‘date‘, ‘min‘), # 首次上榜日期 peak_rank(‘rank‘, ‘min‘), # 最佳排名数字最小 peak_date(‘rank‘, lambda x: df.loc[x.idxmin(), ‘date‘] if not x.empty else pd.NaT), # 达到峰值排名的日期 weeks_on_chart(‘rank‘, ‘count‘), # 在榜周数 avg_rank(‘rank‘, ‘mean‘), # 平均排名 # 还可以计算排名在前10、前20的周数 weeks_top10(‘rank‘, lambda x: (x 10).sum()), weeks_top20(‘rank‘, lambda x: (x 20).sum()) ).reset_index() # 按峰值排名排序 song_stats song_stats.sort_values(‘peak_rank‘) print(“单曲表现统计“) print(song_stats.to_string())4.4 可视化绘制单曲走势图这是最激动人心的部分。我们将绘制 Dua Lipa 主要热单的走势对比图。# scripts/visualizer.py import pandas as pd import matplotlib.pyplot as plt import seaborn as sns from matplotlib.ticker import MaxNLocator # 设置中文字体和图表样式如果不需要中文可省略字体设置 plt.rcParams[‘font.sans-serif‘] [‘SimHei‘, ‘Arial‘] # 用来正常显示中文标签 plt.rcParams[‘axes.unicode_minus‘] False # 用来正常显示负号 sns.set_style(“whitegrid“) # 加载数据 df pd.read_csv(‘../data/processed/dua_lipa_hot100_cleaned.csv‘) df[‘date‘] pd.to_datetime(df[‘date‘]) # 选择几首代表性的单曲进行绘制 selected_songs [‘Levitating‘, ‘Don‘t Start Now‘, ‘New Rules‘, ‘Cold Heart (PNAU Remix)‘, ‘Houdini‘] plot_df df[df[‘song‘].isin(selected_songs)].copy() # 创建图形 plt.figure(figsize(14, 8)) # 为每首单曲绘制折线 for song in selected_songs: song_data plot_df[plot_df[‘song‘] song].sort_values(‘date‘) # 注意排名数值越小越好所以折线越低表示表现越好 plt.plot(song_data[‘date‘], song_data[‘rank‘], marker‘o‘, markersize4, linewidth2.5, labelsong) # 装饰图表 plt.gca().invert_yaxis() # 反转Y轴让排名1在顶部 plt.title(‘Dua Lipa 主要单曲 Billboard Hot 100 走势 (2017-2025)‘, fontsize16, fontweight‘bold‘) plt.xlabel(‘日期‘, fontsize12) plt.ylabel(‘排名 (数字越小越好)‘, fontsize12) plt.legend(title‘单曲‘, fontsize10, title_fontsize11) plt.grid(True, which‘both‘, linestyle‘--‘, linewidth0.5, alpha0.7) plt.xticks(rotation45) plt.tight_layout() # 保存图表 output_path ‘../outputs/charts/dua_lipa_hot100_trend.png‘ plt.savefig(output_path, dpi300, bbox_inches‘tight‘) print(f“走势图已保存至{output_path}“) plt.show()4.5 进阶可视化热度面积图与排行榜我们可以用更复杂一些的图表来展示整体影响力。# 继续在 visualizer.py 中添加 # 绘制“在榜周数”条形图 plt.figure(figsize(12, 6)) # 这里使用之前计算的 song_stats # 假设 song_stats 已经计算好并加载 # 按在榜周数排序 song_stats_sorted song_stats.sort_values(‘weeks_on_chart‘, ascendingFalse) bars plt.barh(song_stats_sorted[‘song‘], song_stats_sorted[‘weeks_on_chart‘], colorsns.color_palette(“viridis“, len(song_stats))) plt.xlabel(‘在榜周数‘) plt.title(‘Dua Lipa 单曲 Billboard Hot 100 在榜持久力‘) # 在条形末端添加周数标签 for bar in bars: width bar.get_width() plt.text(width 0.5, bar.get_y() bar.get_height()/2, f‘{int(width)}‘, ha‘left‘, va‘center‘) plt.tight_layout() plt.savefig(‘../outputs/charts/weeks_on_chart.png‘, dpi300) plt.show()5. 常见问题与排查思路在实践过程中你可能会遇到以下问题问题现象常见原因解决思路运行pip install时超时或失败网络连接问题或默认源速度慢使用国内镜像源如pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple读取 CSV 文件时出现UnicodeDecodeError文件编码不是 UTF-8指定编码格式pd.read_csv(‘file.csv‘, encoding‘latin1‘)或encoding‘cp1252‘尝试图表中中文显示为方框系统未安装中文字体或 matplotlib 未配置1. 安装中文字体。2. 或使用纯英文标签。3. 按教程配置rcParams。筛选数据后结果为空 (dua_songs_df为空)1. 原始数据中艺术家列名不匹配。2. 大小写问题。3. Dua Lipa 的名字在合作曲中写法不同。1. 打印df.columns和df[‘artist‘].unique()查看实际列名和数据。2. 使用str.contains(‘dua lipa‘, caseFalse)进行不区分大小写的匹配。3. 考虑更宽泛的匹配如str.contains(‘Dua‘)。折线图非常杂乱难以辨认同时绘制的单曲太多或时间范围跨度太大。1. 精选最具代表性的 5-8 首单曲进行绘制。2. 考虑按专辑或年份分开展示。3. 使用交互式图表库如 Plotly允许缩放。计算peak_date时出错idxmin()在空序列上调用。在 groupby 的 lambda 函数中加入空值检查如示例代码所示。从网站抓取数据被封IP请求频率过高触发了反爬机制。严格遵守网站 robots.txt 协议。添加请求头User-Agent设置合理的请求间隔如time.sleep(2)或优先使用公开数据集。6. 最佳实践与工程建议将一次性的数据分析脚本转化为可维护、可复用的工程代码需要遵循一些最佳实践。配置与常量分离将数据文件路径、API密钥如果需要、颜色方案、图表尺寸等配置项提取到单独的config.py文件或字典中避免硬编码。# config.py DATA_PATHS { ‘raw‘: ‘data/raw/hot100_history.csv‘, ‘processed‘: ‘data/processed/dua_lipa_hot100_cleaned.csv‘, ‘output‘: ‘outputs/charts/‘ } CHART_STYLE { ‘figsize‘: (14, 8), ‘colors‘: sns.color_palette(“husl“, 10) }模块化设计如示例所示将数据获取、清洗、分析、可视化拆分成不同的脚本或函数。main.py作为入口点协调整个流程。# main.py from scripts.data_fetcher import fetch_data from scripts.data_cleaner import clean_and_filter_data from scripts.visualizer import create_trend_chart, create_weeks_chart def main(): # 1. 获取数据 (如果是动态抓取) # raw_df fetch_data() # 2. 清洗数据 cleaned_df clean_and_filter_data(‘../data/raw/hot100_history.csv‘) # 3. 生成图表 create_trend_chart(cleaned_df) create_weeks_chart(cleaned_df) print(“分析完成“) if __name__ “__main__“: main()异常处理与日志记录在文件读写、网络请求等可能失败的操作中加入try-except块并使用logging模块记录运行状态和错误信息便于调试。import logging logging.basicConfig(levellogging.INFO, format‘%(asctime)s - %(levelname)s - %(message)s‘) try: df pd.read_csv(‘some_file.csv‘) logging.info(“数据文件加载成功。“) except FileNotFoundError as e: logging.error(f“数据文件未找到{e}“) # 可以在这里触发一个备用数据获取流程数据版本控制对于原始数据和清洗后的数据可以考虑使用dvc(Data Version Control) 或简单的备份机制进行管理确保分析的可复现性。可视化审美与清晰度颜色使用色盲友好的调色板如viridis,plasma,Set2,tab20c。标签确保所有坐标轴、图例都有清晰的标签单位明确。信息密度一张图传达一个核心信息避免过度堆砌。保存格式用于演示时保存为高分辨率 PNG 或 PDF用于网页可考虑 SVG。扩展性思考本案例聚焦 Dua Lipa。你可以轻松扩展此框架来分析其他歌手、比较不同歌手、研究特定音乐风格如嘻哈、流行的榜单规律甚至预测下一首爆款歌曲的潜力需要更复杂的机器学习模型。通过以上步骤你不仅完成了一次对 Dua Lipa 音乐生涯的数据回顾更掌握了一套处理和分析时间序列榜单数据的通用方法。这套方法可以迁移到电影票房、应用商店排名、社交媒体热度等任何类似的排行榜数据分析场景中。