실전 데이터 분석 32: 스포티파이 인기 음원의 오디오 특성 분석

📌 강의 개요 (30분 완성)

코믹 일러스트 글로벌 1위 음원 스트리밍 서비스인 스포티파이(Spotify)의 인기 트랙 데이터셋입니다. 곡의 ‘댄스성(Danceability)’, ‘에너지(Energy)’, ‘템포(Tempo)’ 등 청각적 속성을 활용하여, 어떤 특성이 대중적 ‘인기도(Popularity)’를 결정하는지 상관관계를 분석합니다.

학습 목표:

  • 히스토그램 밀도 추정 (KDE): kde=True 옵션을 활용하여 음원 인기도의 연속적인 확률 분포 곡선을 도출합니다.
  • 피어슨 상관관계 시각화 (Scatterplot): 연속형 독립변수와 인기도 종속변수를 2차원 공간에 점으로 매핑하여 선형 관계를 추적합니다.

Step 1: 데이터 구조 살펴보기 (Data Overview)

Step 1 데이터 구조 개념도

csv_data 폴더에 준비해 둔 spotify.csv 파일을 판다스로 불러옵니다.

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 그래프 설정 (한글 폰트 및 마이너스 기호 깨짐 방지)
plt.rcParams['font.family'] = 'AppleGothic'
plt.rcParams['axes.unicode_minus'] = False
sns.set_theme(style="whitegrid")

# 로컬 CSV 파일 불러오기
df = pd.read_csv('../csv_data/spotify.csv')

# 데이터 구조 및 첫 5행 확인
print(df.info())
display(df.head())

💻 [실행 결과] ```text

<class ‘pandas.DataFrame’> RangeIndex: 1000 entries, 0 to 999 Data columns (total 7 columns): # Column Non-Null Count Dtype
— —— ————– —–
0 track_name 1000 non-null object 1 artist_name 1000 non-null object 2 popularity 1000 non-null int64
3 duration_ms 1000 non-null int64
4 danceability 1000 non-null float64 5 energy 1000 non-null float64 6 tempo 1000 non-null int64
dtypes: float64(2), int64(3), object(2) memory usage: 54.8 KB None track_name artist_name popularity duration_ms danceability energy tempo 0 Spotify Track 1 Coldplay 54 202685 0.725902 0.771233 119 1 Spotify Track 2 IU 39 244243 0.540121 0.514032 125 2 Spotify Track 3 BLACKPINK 44 221295 0.661295 0.441295 115 3 Spotify Track 4 Taylor Swift 55 199589 0.893121 0.893121 131 4 Spotify Track 5 Bruno Mars 41 189589 0.441295 0.521295 98

```

💡 코드 딥다이브 (Code Deep Dive)

주요 분석 대상 컬럼:

  • track_name: 음원 트랙 제목
  • artist_name: 아티스트 가수 이름
  • popularity: 음원의 인기도 (0 ~ 100점 척도)
  • duration_ms: 음원 길이 (밀리초)
  • danceability: 리듬감 및 비트 강도로 계산된 댄스 적합도 (0.0 ~ 1.0)
  • energy: 곡의 활기 및 빠르기 에너지 강도 (0.0 ~ 1.0)
  • tempo: 곡의 속도 단위 (BPM)

Step 2: 전처리와 결측치 정제 (Preprocess)

Step 2 데이터 정제 개념도

현실의 데이터는 항상 누락이 있거나 유효성 정제가 필요합니다. 데이터 전처리 단계에서 결측 상태를 확인하고 올바르게 보정합니다.

# 1. 인기도의 범위 유효성 검증
print("인기도 최소값:", df['popularity'].min())
print("인기도 최대값:", df['popularity'].max())

# 2. 만약 범위를 벗어난 이상치가 있다면 0~100 사이로 제한(클리핑)
df['popularity'] = df['popularity'].clip(0, 100)

💻 [실행 결과]

인기도 최소값: 12
인기도 최대값: 88

💡 분석가의 통찰 (Analyst’s Insight)

  • 유효 수치 스크리닝: 스트리밍 점수나 설문조사 점수처럼 엄격히 제한된 바운더리(0~100)를 가진 변수들은 통계 분석 전 이상치가 있는지 꼭 체크해야 합니다. 다행히 인기도는 최소 12점, 최대 88점으로 정상 범위 내에 존재하고 있습니다.

Step 3: 단변수 분포 분석 (Univariate EDA)

Step 3 시각화 개념도

가장 먼저 핵심 변수가 전체 데이터에서 어떤 빈도와 분포를 가졌는지 단일 변수 시각화를 통해 파악해 봅니다.

plt.figure(figsize=(8, 5))

# 인기도의 분포 형태를 히스토그램과 커널 밀도 곡선으로 확인
sns.histplot(data=df, x='popularity', bins=20, kde=True, color='purple')

plt.title('스포티파이 음원 인기 강도(Popularity) 분포', fontsize=14, fontweight='bold')
plt.xlabel('인기도 (0~100)')
plt.ylabel('음원 수 (개)')
plt.show()

💻 [실행 결과 시각화] 실행 결과 시각화

💡 시각화 차트 읽는 법 & 인사이트

  • 정규분포를 따르는 인기도: 차트를 보면 인기도는 약 45~50점 주변을 중심으로 좌우대칭 형태의 예쁜 종 모양(정규분포)을 형성하고 있습니다. 극단적으로 인기가 없거나(10점 이하) 극단적으로 히트한(90점 이상) 곡은 소수이며, 대부분의 대중 곡들은 평균적인 인기도 영역에 몰려 있음을 직관적으로 알 수 있습니다.

Step 4: 다변수 상관관계 및 이상치 분석 (Multivariate EDA)

Step 4 상관관계 분석 개념도

두 개 이상의 변수를 동시에 결합하여, 조건에 따른 수치 차이나 독립 변수와 종속 변수 간의 통계적 경향을 분석합니다.

plt.figure(figsize=(9, 6))

# 댄스성(danceability)과 인기도(popularity)의 선형 관계를 아티스트별 색상으로 매핑
sns.scatterplot(data=df, x='danceability', y='popularity', hue='artist_name', alpha=0.7, palette='Set2')

plt.title('음원 댄스성(Danceability)과 인기도(Popularity) 상관 관계', fontsize=14, fontweight='bold')
plt.xlabel('댄스 가능성 (Danceability)')
plt.ylabel('인기도 (Popularity)')
plt.legend(title='아티스트')
plt.show()

💻 [실행 결과 시각화] 실행 결과 시각화

💡 코드 딥다이브 & 비즈니스 통찰 (Analyst’s Insight)

  • 댄스 리듬과 인기도의 우상향 상관관계: 산점도(Scatterplot)의 점 분포를 보면 댄스 지수(X축)가 증가할수록 인기도(Y축)도 점진적으로 상승하는 우상향 트렌드를 나타냅니다. 즉, 비트가 선명하고 리드미컬한 댄스곡일수록 차트 인기도가 높아질 가능성이 크다는 비즈니스 패턴을 통계적으로 입증합니다.

Step 5: 통계적 직관과 해석 (Statistical Logic)

💡 [피어슨 상관계수(Pearson Correlation Coefficient)의 수학적 직관] 두 연속형 변수가 함께 변하는 정도를 측정하는 대표적인 통계 지표는 피어슨 상관계수($r$)입니다. \(r = \frac{\sum (X - \bar{X})(Y - \bar{Y})}{\sqrt{\sum (X - \bar{X})^2 \sum (Y - \bar{Y})^2}}\)

  • 계수 $r$은 항상 -1부터 +1 사이의 값을 가집니다.
  • $r > 0$ 이면 우상향하는 양의 상관관계(댄스성이 높을수록 인기도 상승)를 뜻하며, 점들이 흩어지지 않고 직선에 가깝게 뭉칠수록 계수 절대값이 1에 가까워집니다.
  • 시각화를 통해 상관계수의 크기를 어림잡고, 판다스의 df.corr()로 수학적 정량값을 도출하는 것이 데이터 분석가의 표준 프로세스입니다.

🎯 30분 강의 마무리 및 심화 과제

오늘 우리는 실전 데이터셋을 분석하여 판다스로 데이터를 가공 및 정제하고, 시각화를 활용하여 핵심 변수 간의 통계적 유의성을 검증했습니다. 데이터 속에서 숨겨진 패턴을 올바른 시각으로 탐색하는 능력이 데이터 사이언티스트의 가장 강력한 무기입니다.

📝 심화 과제 (Advanced Challenge)

  1. 오디오 특성 간 상관행렬 도출: numerical 컬럼들(popularity, duration_ms, danceability, energy, tempo)만 선택하여 상관행렬을 계산하고, sns.heatmap으로 시각화해 보세요. 어떤 두 속성이 가장 높은 상관관계를 가지나요?
  2. 아티스트별 평균 인기도 비교: 아티스트별(artist_name) 평균 인기도(popularity)를 sns.barplot으로 비교해 보세요. 인기도 평균이 가장 높은 Top 아티스트는 누구인가요?
서브목차