通过分析乐队过往演出歌单，探究其现场表演的独特性。本文介绍一个基于setlist.fm api 的数据分析项目，旨在量化乐队演出歌单的多样性。该项目避免使用tableau，而是自主构建数据收集和分析工具，技术栈选择node.js。 github 项目地址：setlist-analysis

独特性评分算法

项目核心在于评估乐队演出歌单的独特性和多样性。算法包含三个关键指标：

1. 歌曲独特性分数: 衡量一年内，乐队演出中歌曲重复率。分数越高，歌曲选择越多样化。

2. 歌单独特性分数: 评估一年内，每场演出的歌单与其他演出的差异程度。歌单重复率越低，分数越高。

3. 序列独特性分数: 分析歌曲播放顺序的独特性，识别重复出现的歌曲序列。

最终的总独特性分数综合以上三项指标，全面评估乐队现场表演的多样性。

案例分析：Phish vs. Taylor Swift

下图展示了Phish和Taylor Swift的案例对比：

• Phish: 高独特性分数，歌曲选择、歌单排列和序列变化显著，体现了其即兴表演风格。序列长度短，平均仅2.05，每场演出都独具特色。

  

  从 Git 仓库历史中彻底删除文件

  |Git删除了文件，但还会在Git 仓库历史中遗留。 - 想要从 Git 历史移除敏感信息（密码、密钥、token、私钥） - 想要删除意外提交的大文件 - 想要重写 Git 历史、移除特定文件的所有痕迹 - 提到 "force push"、"重写 commit 历史" - 需要从所有分支、所有 tag 中删除某个文件

  下载

• Taylor Swift: 低独特性分数，歌单相对一致，可能与大型演出的制作需求有关。序列长度长，平均15.87，演出体验更稳定、可预测。

下图是歌曲独特性分数与平均序列长度的散点图，更直观地展现了不同乐队的差异：

未来规划

未来计划添加以下功能：

• 稀有度分数: 评估歌曲在乐队所有演出中出现的频率，突出罕见曲目。

• 新近度分数: 衡量乐队最近演出中新歌的比例，体现其对新旧作品的侧重。

挑战与展望

项目初期面临Spotify API变更的挑战，最终选择仅依赖SetList.fm API。未来计划扩展评分系统，创建用户友好的数据展示界面，并分析不同类型和年代乐队的演出模式。 这是一个将音乐爱好与数据分析技术结合的有趣项目，期待其未来的发展。