ПРИЛОЖЕНИЕ 2

ИСПОЛЬЗОВАНИЕ РЕАЛЬНОГО ДАТАСЕТА SPOTIFY–YOUTUBE В УЧЕБНЫХ ЦЕЛЯХ

1. НАЗНАЧЕНИЕ ПРИЛОЖЕНИЯ

В рамках главы 2 используется учебная версия набора данных Spotify–YouTube, предназначенная для освоения:

· загрузки и чтения файлов;

· очистки и предварительной обработки данных;

· численного анализа;

· табличной аналитики;

· визуализации результатов.

Для расширения практики обучающимся рекомендуется ознакомиться с реальным публичным набором данных, размещённым на платформе Kaggle.

Настоящее приложение содержит:

· ссылку на официальный источник датасета;

· инструкцию по его скачиванию;

· порядок подключения к проекту;

· методические комментарии по работе с реальными данными.

2. ПЛАТФОРМА KAGGLE КАК ИСТОЧНИК ОТКРЫТЫХ ДАННЫХ

Kaggle – международная платформа для анализа данных и машинного обучения, предоставляющая:

· открытые датасеты;

· соревнования по анализу данных;

· инструменты для совместной работы.

Официальный сайт: https://www.kaggle.com. Регистрация на платформе бесплатная.

3. Реальный Spotify – YouTube Dataset

Один из широко используемых открытых наборов данных: Spotify and YouTube Dataset, https://www.kaggle.com/datasets/salvatorerastelli/spotify-and-youtube. Набор данных содержит информацию о музыкальных треках и их популярности на платформах Spotify и YouTube.

Примеры столбцов:

· track_name – название трека

· artist – исполнитель

· danceability – танцевальность

· energy – энергетичность

· tempo – темп

· duration_ms – длительность

· views – просмотры

· likes – количество лайков

· comments – количество комментариев

· description – описание видео

Данный набор данных является более объёмным и сложным, чем учебная версия, используемая в лабораторных работах.

4. СПОСОБЫ СКАЧИВАНИЯ ДАТАСЕТА

4.1. Скачивание через веб-интерфейс (рекомендуемый способ)

1) Зарегистрироваться на платформе Kaggle.

2) Перейти по ссылке датасета.

3) Нажать кнопку Download.

4) Скачать архив (ZIP-файл).

5) Распаковать архив в папку проекта, например,

project/

│

├── data/

│   └── spotify_youtube.csv

Данный способ является наиболее простым и подходит для большинства обучающихся.

4.2. Скачивание через Kaggle API (профессиональный способ)

Используется в профессиональной аналитической практике.

Шаг 1. Установка клиента Kaggle

В активированном виртуальном окружении выполнить:

python -m pip install kaggle

Шаг 2. Получение API-токена

На сайте Kaggle:

Profile → Account → Create New API Token

Будет скачан файл:

kaggle.json

Шаг 3. Размещение файла конфигурации

Windows:

C:\Users\ИмяПользователя\.kaggle\

Linux/macOS:

~/.kaggle/

Шаг 4. Скачивание датасета через терминал

kaggle datasets download -d salvatorerastelli/spotify-and-youtube

После скачивания архив необходимо распаковать.

Данный способ рекомендуется для обучающихся, планирующих профессиональную работу с большими объёмами данных.

5. ПОДКЛЮЧЕНИЕ ДАТАСЕТА В PYTHON

После размещения CSV-файла в папке data/ загрузка осуществляется следующим образом:

import pandas as pd

df = pd.read_csv("data/spotify_youtube.csv")

print(df.head())

print(df.info())

Рекомендуется выполнить первичную диагностику:

df.isnull().sum()

df.describe()

6. ОТЛИЧИЕ УЧЕБНОЙ ВЕРСИИ ОТ РЕАЛЬНОГО НАБОРА ДАННЫХ

В рамках главы 2 используется учебная версия Spotify–YouTube Dataset, имеющая:

· сокращённое число столбцов;

· ограниченный объём строк;

· контролируемые пропуски;

· упрощённую структуру.

Это необходимо для:

· поэтапного освоения инструментов Python;

· исключения перегрузки на начальном этапе;

· методически управляемого роста сложности.

Работа с полным реальным датасетом рекомендуется:

· в мини-проекте;

· при выполнении самостоятельной работы;

· в рамках итогового проекта.

7. МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ

При работе с реальными данными необходимо учитывать:

· возможные пропуски;

· несоответствие типов данных;

· некорректные значения;

· различия кодировок;

· наличие выбросов.

Реальный набор данных почти никогда не является «чистым». Поэтому этап предварительной обработки является обязательной частью аналитического процесса.

8. РОЛЬ ВНЕШНИХ ДАТАСЕТОВ В ПОДГОТОВКЕ АНАЛИТИКА

Использование открытых источников данных:

· формирует профессиональные навыки поиска информации;

· приближает учебный процесс к реальной практике;

· позволяет работать с современными задачами анализа цифрового контента.

Таким образом, учебная версия датасета используется для методического освоения инструментов, а публичная версия – для расширения и углубления навыков анализа.