Rでセルフ「Spotifyまとめ2024」

R
Analysis
Music
Spotify
作者

azumaya

公開

2024年12月6日

はじめに

年末になるとSpotifyが1年聴いた音楽のまとめを教えてくれる。割と楽しみにしているあれを自力でやってみよう。

今回は2024年1月から11月の聴取歴を可視化し、ついでに今年の音楽思い出話をする。

データの取得

申請

Spotifyでは、お願いするとストリーミング履歴を提供してくれる。

Spotifyアカウントのプライバシーのページにアクセスして、「お客様のデータのダウンロード」から「長期ストリーミング履歴」の申請をする。

最大30日間かかるとのことだけど、私は寝て起きたら届いていた。

ダウンロード

ダウンロードしたzipファイルを開くとこんな感じ。

変数の説明用のpdfファイル、楽曲情報のjsonファイル、ビデオ情報（動画コンテンツ？中身見たけどよくわからず）のjsonファイルが入っている。

私はSpotifyの登録が2022年、本格的に使い始めたのは2023年なので、これくらいのデータサイズ。
もっと量が多いと、ダウンロードまでに時間がかかるのかも？

jsonってなんだ？

jsonファイルをよく知らないので、とりあえず開いてみる。

なるほど、構成要素はデータフレームと似ていて直感的。

データの読み込み

今回使うパッケージはこちら。

pacman::p_load(tidyverse, 
               jsonlite, # jsonファイルの読み込み 
               lubridate, # タイムスタンプの処理
               ggfittext # グラフにテキストを追加
               )

jsonliteパッケージを使ってデータを読み込む。

# データが分割されているのでそれぞれ読み込み
data1 <- fromJSON("Spotify Extended Streaming History/Streaming_History_Audio_2022-2024_0.json")
data2 <- fromJSON("Spotify Extended Streaming History/Streaming_History_Audio_2024_1.json")

いつものデータフレームの感じで読み込めている！

head(data2)
                    ts platform ms_played conn_country         ip_addr
1 2024-09-03T07:50:02Z      ios    194866           JP 123.223.202.114
2 2024-09-03T07:53:24Z      ios    201040           JP 123.223.202.114
3 2024-09-03T07:55:54Z      ios    150013           JP 123.223.202.114
4 2024-09-03T07:59:01Z      ios    187680           JP 123.223.202.114
5 2024-09-03T08:02:18Z      ios    196560           JP 123.223.202.114
6 2024-09-03T08:05:48Z      ios    210693           JP 123.223.202.114
         master_metadata_track_name master_metadata_album_artist_name
1                    けだものだもの                         Creep Hyp
2                  キャンバスライフ                         Creep Hyp
3       テレビサイズ - TV Size 2'30                         Creep Hyp
4 誰かが吐いた唾が キラキラ輝いてる                         Creep Hyp
5                          愛の点滅                         Creep Hyp
6                    リバーシブルー                         Creep Hyp
  master_metadata_album_album_name                    spotify_track_uri
1                           世界観 spotify:track:5J6bELLFVOTRuTcFv9ZZTm
2                           世界観 spotify:track:4xHG2vYSNdqhCxVV6sGNKs
3                           世界観 spotify:track:5artCEngkKKpKhcbr7Ia3s
4                           世界観 spotify:track:5mbUBBzsJY2JsE4Qj2GI63
5                           世界観 spotify:track:3BlYaUK1Aj8G75fiVUkgfl
6                           世界観 spotify:track:66vlDAwwNitDMwARA8lejR
  episode_name episode_show_name spotify_episode_uri reason_start reason_end
1         <NA>              <NA>                <NA>    trackdone  trackdone
2         <NA>              <NA>                <NA>    trackdone  trackdone
3         <NA>              <NA>                <NA>    trackdone  trackdone
4         <NA>              <NA>                <NA>    trackdone  trackdone
5         <NA>              <NA>                <NA>    trackdone  trackdone
6         <NA>              <NA>                <NA>    trackdone  trackdone
  shuffle skipped offline offline_timestamp incognito_mode
1   FALSE   FALSE   FALSE        1725349607          FALSE
2   FALSE   FALSE   FALSE        1725349802          FALSE
3   FALSE   FALSE   FALSE        1725350003          FALSE
4   FALSE   FALSE   FALSE        1725350153          FALSE
5   FALSE   FALSE   FALSE        1725350341          FALSE
6   FALSE   FALSE   FALSE        1725350538          FALSE

データの整形

タイムスタンプ列tsはUTC（協定世界時）なので、日本時間に変換する。 今回は、lubridateパッケージを使う。

# とりあえず使ってみる
as_datetime("2024-09-03T07:50:02Z", tz = "Asia/Tokyo")
Date in ISO8601 format; converting timezone from UTC to "Asia/Tokyo".
[1] "2024-09-03 16:50:02 JST"

かしこい！日本時間に変換して、月・日付・時間に分解してみる。

data2 %>% 
  filter(ms_played >= 60000) %>%
  mutate(ts = as_datetime(ts, tz = "Asia/Tokyo"), # JST勝手に消えててラッキー！
         month = str_sub(ts, start = 6, end = 7), # 適当ですみません
         date = str_sub(ts, start = 1, end = 10),
         time = str_sub(ts, start = 12, end = 20)) %>% 
  select(ts, month, date, time) %>% 
  head()
Date in ISO8601 format; converting timezone from UTC to "Asia/Tokyo".
                   ts month       date     time
1 2024-09-03 16:50:02    09 2024-09-03 16:50:02
2 2024-09-03 16:53:24    09 2024-09-03 16:53:24
3 2024-09-03 16:55:54    09 2024-09-03 16:55:54
4 2024-09-03 16:59:01    09 2024-09-03 16:59:01
5 2024-09-03 17:02:18    09 2024-09-03 17:02:18
6 2024-09-03 17:05:48    09 2024-09-03 17:05:48

これを踏まえて、いろいろ調整してデータを整形。

data <- bind_rows(data1, data2) %>% 
  filter(ms_played >= 60000, # 1分（=60000ミリ秒）以上聴いた曲のみ抽出
         is.na(episode_name) # ポッドキャストは除外
         ) %>%
  mutate(ts = as_datetime(ts, tz = "Asia/Tokyo"), # JSTに変換
         month = str_sub(ts, start = 6, end = 7),
         date = str_sub(ts, start = 1, end = 10),
         time = str_sub(ts, start = 12, end = 20)) %>% 
  rename(artist = master_metadata_album_artist_name) %>% # 列名長いので変換
  filter(date >= "2024-01-01", date < "2024-12-01") # 2024年1-11月だけ抽出
Date in ISO8601 format; converting timezone from UTC to "Asia/Tokyo".

このコードをコピペして分析しちゃおう。

可視化

この時期はこのアーティストをよく聴いたな～という体感があるので、月ごとでよく聴いたアーティストを調べてみる。

# 描画用データ
data_plt <- data %>% 
  # アーティストごとの月合計再生時間
  group_by(month, artist) %>% 
  summarise(ms_played_month_artist = sum(ms_played),
            .groups = "drop") %>% 
  
  # 月合計再生時間
  group_by(month) %>%
  mutate(ms_played_month = sum(ms_played_month_artist)) %>%
  ungroup() %>% 
  arrange(desc(ms_played_month_artist)) %>% 
  
  # 単位をミリ秒から時間に変換
  mutate(hour_played_month = ms_played_month / 3600000,
         hour_played_month_artist = ms_played_month_artist / 3600000) %>%
  
  # 月ごとに
  group_by(month)

毎月の合計再生時間と、よく聴いたアーティストのトップ5を可視化してみる。

data_plt %>%  
  slice(1:5) %>% # 再生回数多い順に5行
  ggplot() + 
  geom_col(aes(x = month, y = hour_played_month)) +
  geom_col(aes(x = month, y = hour_played_month_artist, 
               fill = artist)
           ,color = "white") +
  labs(x = "月", y = "再生時間（時間）", fill = "") +
  theme_minimal() +
  theme(legend.position = "bottom") # theme_minimal()より後に持ってこないと適用されない

いろいろ聴いている。色分けしてもアーティストがよくわからないので、トップ3に絞ってテキストを追加する。

data_plt %>% 
  slice(1:3) %>% 
  ggplot(aes(x = month, y = hour_played_month_artist, 
             fill = artist,
             label = artist)) + 
  geom_col(color = "white") +
  geom_bar_text(reflow = TRUE, position = "stack") + # 棒グラフにテキストを追加
  labs(x = "月", y = "再生時間（時間）", fill = "") +
  theme_minimal() +
  theme(legend.position = "bottom")

いい感じです。本当は再生回数が多い順に積み上げたかった。

Lamp
去年の夏にはまってから、しばらく聴いていた。とても柔らかくて、好きです。

吉田美奈子
ずっと前にラジオで扉の冬 を聴いて惚れたけど、1月放送のNHK「おげんさんといっしょ」で 頬に夜の灯 と恋は流星が流れて、かっけ～～～～～！ってなってからずっと聴いてた。

sumika
4月のライブが良すぎて良すぎて。roof sessionを経て間違いなく史上最高になっていた。運命が良い。

the band apart
忘れたころに引っ張り出してアルバムをリピートしている。6月は、2006年発売の3rdアルバム全曲やりますツアーに行けて、感無量だった。

ME:I
Sugar Bombを永遠リピート。

Chilli Beans.
突如はまって緑黄色社会との対バンに行った。キュートだった。

Norah Jones
昔から好き。この時期は朝起きたらとりあえずSunriseを流していた。

Judee Shill
お気に入りの喫茶店で流れていたラジオ「SPITZ 草野マサムネのロック大陸漫遊記」でマサムネさんが紹介していて、これ父が好きそうだなーと思ったら親子ではまった。3枚しかアルバムないのに全部良い。Spotify上で今年一番聴いた曲はLopin’ Along Thru the Cosmosだった。

スピッツ
2月はツアー、8月はフェスなのでよく聴いてた。フェスで初めて生で聴いたハチミツが良すぎて過去曲をたくさん聴いてた。

クリープハイプ
一番聴いた！ 8月のフェス「RISING SUN ROCK FESTIVAL」の大トリ、朝4時のステージがなんかよかったな…と引っかかっていて、特に印象に残った火まつり（ベースの人歌うの～！？）と二十九、三十（最後に染みた）をきっかけにドはまり。この時期はとりあえず全曲聴いて、アルバム1枚ずつ回していく数週間だった。
ちょうどそのステージで「今年中にアルバム出します」と情報を初出ししていて、ファンの人はうれしいだろうなぁと思っていたけど、私がファンになりました。新譜めでたい！ツアーも当選してすごく嬉しい。

おいしくるメロンパン
ここ数年のツアーは欠かさず行っていて、毎回、今が一番いいなと思いながら聴いている。今回も最高だった。曲数が増えてきたので全曲プレイリストを作ってひたすら。

Starbuck
友達に勧められたのを思い出して久しぶりにリピートしていた。いいマリンバ。

梅田サイファー
友達（↑同一人物）に誘われたので最新アルバムを予習してライブハウスへ。初めての世界だったけど信じられないくらい楽しかった。ステージとフロアの様子がかなり脳裏に焼き付いていて、あの光景を思い出してはよかったなぁと噛みしめている。しばらく忘れたくない。自分がラップ好きになるとは。。

Kroi
8月のフェス以降ちょいちょい聴いていたけど、最新曲のJewelが意外な音で、再び聴いている。

藤井風
スタジアムライブが良すぎて、元々好きだったガーデンがさらに好きになる。

キリンジ/KIRINJI、星野源はいつでもよく聴いている。他にいろんなアーティストを聴きつつ、たびたび戻っている。


おわりに

月ごとトップ3アーティストの17組のうち、6組は今年からちゃんと聴き始めたことになる。ずっと好きなアーティストがいつつ、新しい音楽にも出会えているのがわかって良かった。

これだけ情報量の多いデータなので、いろいろなことができそうです。友達のも見てみたい。

参考

Rでunix時間からJSTに変更する際はas_datetime()

Introduction to ‘ggfittext’