1. 实际应用场景描述
场景
某音乐爱好者使用音乐平台听歌，并导出自己的听歌记录（日期、歌曲名、歌手、音乐风格、听歌时长）。他希望：
- 统计每周听歌总时长
- 分析音乐风格偏好
- 根据数据调整歌单，发现更多喜欢的音乐
痛点
- 手动统计每周听歌时长耗时
- 难以直观看出音乐风格偏好
- 缺乏自动化分析，依赖主观感受
2. 核心逻辑讲解
1. 输入：日期、歌曲名、歌手、音乐风格、听歌时长（分钟）
2. 统计：
- 按周汇总总听歌时长
- 按周和音乐风格汇总时长
3. 分析：找出每周最受欢迎的音乐风格
4. 输出：每周听歌时长报告与风格偏好分析
3. 代码模块化设计
我们将代码分为：
-
"data_loader.py"：数据加载模块
-
"analysis.py"：统计分析模块
-
"recommendation.py"：偏好分析模块
-
"main.py"：主程序入口
3.1
"data_loader.py"
# data_loader.py
import json
def load_listening_data(file_path="listening_data.json"):
"""
从JSON文件加载听歌记录
格式: [{"date": "2024-06-01", "song": "歌名", "artist": "歌手", "genre": "风格", "minutes": 3.5}, ...]
"""
try:
with open(file_path, "r", encoding="utf-8") as f:
data = json.load(f)
return data
except FileNotFoundError:
print(f"文件 {file_path} 未找到，使用示例数据")
return [
{"date": "2024-06-01", "song": "光年之外", "artist": "G.E.M.", "genre": "流行", "minutes": 4.0},
{"date": "2024-06-01", "song": "泡沫", "artist": "G.E.M.", "genre": "流行", "minutes": 3.5},
{"date": "2024-06-02", "song": "演员", "artist": "薛之谦", "genre": "流行", "minutes": 4.2},
{"date": "2024-06-03", "song": "蓝色多瑙河", "artist": "约翰·施特劳斯", "genre": "古典", "minutes": 5.0},
{"date": "2024-06-04", "song": "Shape of You", "artist": "Ed Sheeran", "genre": "流行", "minutes": 3.8}
]
3.2
"analysis.py"
# analysis.py
from collections import defaultdict
from datetime import datetime
def weekly_total_minutes(records):
"""
按周统计总听歌时长
:param records: list of dict
:return: dict {week_number: total_minutes}
"""
weekly_total = defaultdict(float)
for r in records:
date_obj = datetime.strptime(r["date"], "%Y-%m-%d")
week_num = date_obj.isocalendar()[1]
weekly_total[week_num] += r["minutes"]
return weekly_total
def weekly_genre_minutes(records):
"""
按周和音乐风格统计时长
:param records: list of dict
:return: dict {week_number: {genre: minutes}}
"""
weekly_genre = defaultdict(lambda: defaultdict(float))
for r in records:
date_obj = datetime.strptime(r["date"], "%Y-%m-%d")
week_num = date_obj.isocalendar()[1]
weekly_genre[week_num][r["genre"]] += r["minutes"]
return weekly_genre
3.3
"recommendation.py"
# recommendation.py
def analyze_preference(weekly_genre):
"""
分析每周音乐风格偏好
:param weekly_genre: dict {week: {genre: minutes}}
:return: list of str
"""
analysis_result = []
for week, genres in weekly_genre.items():
if not genres:
continue
top_genre = max(genres.items(), key=lambda x: x[1])
total = sum(genres.values())
ratio = top_genre[1] / total
analysis_result.append(
f"第{week}周最偏好的音乐风格是「{top_genre[0]}」，占比{ratio:.1%}"
)
return analysis_result
3.4
"main.py"
# main.py
from data_loader import load_listening_data
from analysis import weekly_total_minutes, weekly_genre_minutes
from recommendation import analyze_preference
def main():
print("=== 听歌时长统计与音乐风格偏好分析系统 ===")
records = load_listening_data()
weekly_total = weekly_total_minutes(records)
weekly_genre = weekly_genre_minutes(records)
print("\n📊 每周听歌总时长:")
for week, mins in sorted(weekly_total.items()):
print(f"第 {week} 周: {mins:.1f} 分钟")
print("\n🎵 每周音乐风格偏好分析:")
preferences = analyze_preference(weekly_genre)
for pref in preferences:
print(f" - {pref}")
if __name__ == "__main__":
main()
4. README.md
# 听歌时长统计与音乐风格偏好分析系统
## 项目简介
基于Python的音乐听歌记录分析工具，帮助统计每周听歌总时长并分析音乐风格偏好。
## 功能
- 导入听歌记录（JSON格式）
- 按周统计总听歌时长
- 按周分析音乐风格偏好
- 输出偏好报告
## 安装与使用
1. 确保已安装 Python 3.7+
2. 准备 `listening_data.json` 数据文件（或使用内置示例数据）
3. 运行 `python main.py`
## 数据格式示例 (listening_data.json)
json
[
{"date": "2024-06-01", "song": "光年之外", "artist": "G.E.M.", "genre": "流行", "minutes": 4.0}
]
## 模块说明
- `data_loader.py`: 数据加载
- `analysis.py`: 统计分析
- `recommendation.py`: 偏好分析
- `main.py`: 主程序
5. 使用说明
1. 创建
"listening_data.json" 文件，按示例格式填写听歌记录
2. 运行：
python main.py
3. 查看控制台输出的每周听歌时长及风格偏好分析
6. 核心知识点卡片
知识点 说明
JSON数据处理 读写结构化数据
datetime模块 解析日期并计算ISO周数
defaultdict 高效分组统计
字典操作 存储与查询统计数据
模块化设计 便于维护与扩展
条件分支分析 业务规则驱动偏好分析
大数据预处理 真实场景可用Pandas处理千万级听歌记录
7. 总结
本项目通过模块化Python编程，解决了音乐听歌数据分析的痛点：
- 自动化：一键统计每周听歌时长
- 智能化：自动分析音乐风格偏好
- 可扩展：可接入音乐平台API实现实时数据获取
未来可结合协同过滤算法或NLP分析歌词情感，实现更精准的个性化推荐，打造真正的个人音乐智能管家。
如果你愿意，可以把这个系统升级成带GUI的桌面应用（Tkinter/PyQt）或者Web版（Flask + ECharts），并增加歌词情感分析功能，让推荐更符合你的心情。
利用AI高效解决实际问题，如果你觉得这个工具好用，欢迎关注我！
)
)
)