Анализ дискографии OASIS

В рамках данного проекта были проанализирована база данных с сайта Kaggle по студийной дискографии группы Oasis. Для исследования использовались табличные данные, агрегированные по альбомам, включающие год выпуска, количество треков, среднюю длительность композиций, средний темп, уровень громкости, показатели популярности, а также количественные характеристики текстов песен (общее число слов, количество уникальных слов и эмоциональная окраска текста). Интерес к анализу дискографии Oasis обусловлен тем, что группа является одним из ключевых представителей британской музыкальной сцены 1990-х годов, а её творчество хорошо документировано и охватывает длительный период времени. Это делает дискографию Oasis показательной для исследования эволюции музыкального стиля, структуры композиций и текстов, а также для сопоставления художественных изменений с динамикой популярности группы. Для визуализации данных были выбраны несколько типов графиков. Линейные графики используются для отображения громкости треков и доли акустического звучания. Столбчатые диаграммы применяются для сравнения альбомов по отдельным параметрам, например ритмической подвижности треков, доли речевых элементов в вокале и энергии треков. Тепловая карта используется для выявления возможных взаимосвязей между характеристиками звучания. Такой набор визуализаций позволяет одновременно рассматривать как динамику показателей, так и различия между отдельными альбомами.

Код для стилизации кода:

import matplotlib.pyplot as plt

code_text = «»» import pandas as pd import matplotlib.pyplot as plt

df = pd.read_csv («Oasis.csv.xls»)

dance_album = ( df.groupby («album_name»)[«danceability»] .mean () .sort_values () )

plt.figure (figsize=(10, 5)) plt.bar (dance_album.index, dance_album.values, color="black»)

plt.title ( «Rhythmic Mobility of Oasis Albums\n (Danceability)», loc="left», fontsize=14 )

plt.ylabel («Average danceability») plt.xlabel («Album»)

plt.xticks (rotation=30, ha="right»)

plt.gca ().spines[«top»].set_visible (False) plt.gca ().spines[«right»].set_visible (False)

plt.tight_layout () plt.show () «»»

fig, ax = plt.subplots (figsize=(12, 8)) ax.axis ('off')

fig.patch.set_facecolor (‘#1c1c1c) plt.text (0, 1, code_text, fontfamily='monospace', fontsize=12, color='white', va='top', ha='left', linespacing=1.3)

plt.text (0.95, 0.02, «Oasis — Don’t Believe the Truth», fontsize=10, color='grey', ha='right', va='bottom', alpha=0.7)

plt.tight_layout () plt.savefig («oasis_code_style.png», dpi=300, facecolor=fig.get_facecolor ()) plt.show ()

На представленной столбчатой диаграмме показано среднее значение параметра danceability для релизов группы Oasis. Показатель danceability отражает степень ритмической структурированности треков и их ориентацию на телесное, движенческое восприятие. Из графика видно, что значения danceability варьируются в относительно узком диапазоне — от низких значений у ранних релизов до более высоких у поздних альбомов. Это указывает на то, что на протяжении всей дискографии Oasis сохраняет достаточно стабильный ритмический характер, не делая резких стилистических скачков. При этом можно заметить постепенное увеличение показателя danceability в более поздних альбомах. Релизы конца 1990-х и 2000-х годов демонстрируют более выраженную ритмическую упорядоченность по сравнению с ранними работами группы. Это может свидетельствовать о смещении фокуса от сырого и перегруженного звучания к более выверенной и структурированной форме. Анализ показывает, что музыка Oasis в целом не ориентирована на танцевальное восприятие в традиционном смысле, однако со временем группа постепенно увеличивает ритмическую чёткость своих композиций. Ранние альбомы отличаются более хаотичным и плотным звучанием, тогда как поздние релизы демонстрируют большую ритмическую организованность. Это отражает эволюцию музыкального подхода Oasis — от импульсивного бритпоп-звучания к более контролируемой и зрелой структуре композиций.

Код для стилизации кода:

import matplotlib.pyplot as plt

code_text = «»» import pandas as pd import matplotlib.pyplot as plt

df = pd.read_csv («Oasis.csv.xls») speech_album = df.groupby («album_name»)[«speechiness»].mean ().sort_values ()

plt.figure (figsize=(12, 6)) bars = plt.bar (speech_album.index, speech_album.values, color="black»)

plt.title («Speechiness of Oasis Albums\n (Share of Speech Elements in Vocals)», fontsize=16, fontweight='bold', fontfamily='monospace', loc='left', color='white') plt.ylabel («Average speechiness», fontsize=12, color='white', fontfamily='monospace') plt.xlabel («Album», fontsize=12, color='white', fontfamily='monospace')

plt.xticks (rotation=30, ha="right», color='white', fontsize=10, fontfamily='monospace') plt.yticks (color='white', fontsize=10, fontfamily='monospace')

ax = plt.gca () ax.spines[«top»].set_visible (False) ax.spines[«right»].set_visible (False) ax.spines[«left»].set_color ('white') ax.spines[«bottom»].set_color ('white')

ax.set_facecolor ('#1c1c1c') plt.gcf ().patch.set_facecolor ('#1c1c1c')

plt.plot ([-0.5, len (speech_album)-0.5], [speech_album.max ()*1.05]*2, color='white', linewidth=2) plt.plot ([-0.5, len (speech_album)-0.5], [-0.01]*2, color='white', linewidth=2)

plt.tight_layout () plt.savefig («oasis_speechiness_black_white.png», dpi=300, facecolor=plt.gcf ().get_facecolor ()) plt.show () «»»

fig, ax = plt.subplots (figsize=(12, 8)) ax.axis ('off')

fig.patch.set_facecolor ('#000000') plt.text (0, 1, code_text, fontfamily='monospace', fontsize=12, color='white', va='top', ha='left', linespacing=1.3)

plt.text (0.95, 0.02, «Oasis — Don’t Believe the Truth», fontsize=10, color='black', ha='right', va='bottom', alpha=0.7, fontfamily='monospace')

plt.tight_layout () plt.savefig («oasis_code_style.png», dpi=300, facecolor=fig.get_facecolor ()) plt.show ()

На столбчатой диаграмме представлено среднее значение параметра speechiness для альбомов группы Oasis. Данный показатель отражает долю речевых элементов в вокале и позволяет оценить, насколько подача текста приближается к разговорной манере, а не к традиционному мелодическому пению. Из графика видно, что значения speechiness для всех альбомов остаются относительно низкими и варьируются в узком диапазоне. Это указывает на то, что вокальный стиль Oasis на протяжении всей дискографии преимущественно основан на мелодическом исполнении, а не на речитативе или разговорной интонации. Таким образом, группа сохраняет устойчивую ориентацию на классическую рок-песенную форму. При этом можно заметить постепенное увеличение показателя speechiness в более поздних релизах. Альбомы 2000-х годов демонстрируют несколько более высокую долю речевых элементов по сравнению с ранними работами середины 1990-х. Это может свидетельствовать о некотором изменении вокальной подачи — появлении более свободной, разговорной интонации и снижении дистанции между исполнителем и слушателем. В целом анализ показывает, что, несмотря на небольшие колебания, Oasis не делает резких стилистических поворотов в вокальной манере. Незначительный рост speechiness в поздних альбомах можно интерпретировать как элемент творческой эволюции, а не как отказ от фирменного мелодического подхода группы.

Код для стилизации кода:

import matplotlib.pyplot as plt import numpy as np import random

code_text = «»» import pandas as pd import matplotlib.pyplot as plt

df = pd.read_csv («Oasis.csv.xls»)

loudness_album = df.groupby («album_name»)[«loudness»].mean ().sort_index ()

plt.figure (figsize=(12, 6)) plt.plot (loudness_album.index, loudness_album.values, marker='o', color='white', linewidth=2)

plt.title («Average Loudness of Oasis Albums», fontsize=16, fontweight='bold', loc='left', color='white', fontfamily='monospace') plt.ylabel («Loudness (dB)», fontsize=12, color='white', fontfamily='monospace') plt.xlabel («Album», fontsize=12, color='white', fontfamily='monospace')

plt.xticks (rotation=30, ha="right», color='white', fontsize=10) plt.yticks (color='white', fontsize=10)

ax = plt.gca () ax.spines[«top»].set_visible (False) ax.spines[«right»].set_visible (False) ax.spines[«left»].set_color ('white') ax.spines[«bottom»].set_color ('white')

ax.set_facecolor ('#1c1c1c') plt.gcf ().patch.set_facecolor ('#1c1c1c')

plt.plot ([-0.5, len (loudness_album)-0.5], [loudness_album.max ()*1.05]*2, color='white', linewidth=2) plt.plot ([-0.5, len (loudness_album)-0.5], [loudness_album.min ()*0.95]*2, color='white', linewidth=2)

plt.text (len (loudness_album)-0.1, loudness_album.min ()*0.93, «Inspired by Don’t Believe the Truth», fontsize=10, color='lightgrey', ha='right', va='bottom', alpha=0.8, fontfamily='monospace')

plt.tight_layout () plt.savefig («oasis_loudness_black_white.png», dpi=300, facecolor=plt.gcf ().get_facecolor ()) plt.show () «»»

fig, ax = plt.subplots (figsize=(12, 9)) ax.axis ('off')

fig.patch.set_facecolor ('white') ax.set_facecolor ('white')

for _ in range (50): x = random.uniform (0, 1) y = random.uniform (0, 1) width = random.uniform (0.01, 0.05) height = random.uniform (0.02, 0.1) rect = plt.Rectangle ((x, y), width, height, color='#1c1c1c', alpha=0.3) ax.add_patch (rect)

plt.text (0.05, 0.95, code_text, fontfamily='monospace', fontsize=12, color='black', va='top', ha='left', linespacing=1.3)

plt.tight_layout () plt.savefig («oasis_code_white_black_stripes.png», dpi=300, facecolor='white') plt.show ()

На линейном графике показано среднее значение параметра loudness для альбомов Oasis. Показатель громкости отражает общий уровень звукового давления и связан с продюсерскими решениями, а также с тенденциями музыкальной индустрии конкретного периода. Из графика видно, что уровень громкости заметно колеблется от альбома к альбому. Ряд релизов характеризуется более высоким средним значением loudness, тогда как другие демонстрируют существенное снижение громкости. Это говорит об отсутствии линейной и однозначной динамики данного параметра в дискографии группы. Особенно заметны резкие перепады громкости между соседними релизами. Такие изменения могут быть связаны как с экспериментами со звучанием, так и с различиями в сведении и мастеринге. Кроме того, на уровень громкости могли влиять общие индустриальные тренды, включая так называемую «войну громкости», характерную для конца 1990-х и начала 2000-х годов. Анализ графика не позволяет сделать вывод о прямой зависимости между громкостью и популярностью альбомов. Некоторые из наиболее известных и коммерчески успешных релизов Oasis не обязательно обладают максимальными значениями loudness. Это указывает на то, что популярность группы определяется в большей степени композиционными, текстовыми и стилистическими факторами, а не исключительно техническими параметрами звучания.