Sunshine Live Charts - Analyse

Aus gegebenem Anlass stellt sich die Frage: Wie arg wiederholt sich die Playlist von Sunshine Live Charts Stream eigentlich wirklich? Ein idealer Anlass um sich an einem freien Sonntag mal mit JupyterLab vertraut zu machen.

Rohdaten

Die Playlist kann von der Sunshine Live Webseite per API abgefragt werden.

endpoint = "https://iris-sunshinelive.loverad.io/search.json"
delta_t = pd.Timedelta(1, 'W')
params = {
    'station': 24,
    'start': pd.Timestamp('2021-09-20T00:00:00+0200'),
    'end': pd.Timestamp('2021-09-20T00:00:00+0200') + delta_t
}
res = requests.get(endpoint, params=params)

Die Rohdaten können jetzt mit Pandas eingelesen und aufbereitet werden.

df = pd.json_normalize(res.json()['result']['entry'], 
                       record_path=['song', 'entry'], 
                       meta=[ 'airtime' ])
df = df[['title', 'airtime']]
df['airtime'] = pd.to_datetime(df['airtime'])

Und so sehen unsere Daten dann aus:

df.head()

Eckdaten

Der Datensatz besteht aus 3430 Beobachtungen und umfasst einen Zeitraum von 7 days 00:00:00. In diesem Zeitraum wurden 30 verschiedene Lieder gespielt.

Häufigkeitsanalyse

Wie oft wurde welches Lied im Auswertungszeitraum gespielt?

freq = df['title'].value_counts()
freq.plot(kind='barh', title="Absolute Häufigkeit der Lieder", figsize=(10,10)).invert_yaxis()

Daraus ergibt sich eine relative Häufigkeit jedes Liedes pro Tag:

freq_per_day = freq / (delta_t.total_seconds() / (3600 * 24))
freq_per_day.plot(kind='barh', title="Durchschnittliche relative Häufigkeit der Lieder pro Tag", figsize=(10,10)).invert_yaxis()

Im Umkehrschluss lässt sich die durchschnittliche Periodendauer jedes Liedes abschätzen, also die Zeitdauer nach der ein bestimmtes Lied erneut gespielt wird.

freq_per_minute = freq / (delta_t.total_seconds() / 60)
period_in_m = 1 / freq_per_minute
period_in_m.plot(kind='barh', title="Durchschnittliche Periodendauer der Lieder in Minuten", figsize=(10,10)).invert_yaxis()

Zwischenfazit

Das Programm von SSL Charts besteht aus 30 Liedern und wiederholt sich durchschnittlich alle 93 Minuten!

(Durchschnittswerte basierend auf der Gesamtmenge. Detailbetrachtung je Lied folgt.)

Rotation

freq.plot(kind='hist',bins=3);

Klar zu erkennen ist die Hot Rotation, bestehend aus 21 Songs, eine kleine Medium Rotation von zwei Liedern und sieben Lieder in der Low Rotation.

Detailbetrachtung

Machen wir es genauer und ermitteln die Differenz zwischen den Spielzeiten je Lied.

df.sort_values(['title', 'airtime'], inplace=True)
df['period'] = df['airtime'].diff()

df['period'].mean()

87.95305392156843

Die mittlere Periodendauer über alle Lieder liegt etwas niedriger als die erste Abschätzung.

Heruntergebrochen auf die einzelnen Lieder zeigt sich wieder die Verteilung auf die Hot-/Medium-/Low-Rotation:

df.groupby('title').mean()

Mehr als 20 der 30 Lieder wiederholen sich nach durchschnittlich 83 Minuten.

df.groupby('title').mean().hist();

Schauen wir uns die Verteilung der Zeitabstände im Detail an:

df.boxplot(column='period', by='title', figsize=(18,8), rot=90.0);

Bei den meisten Liedern liegt das Minimum alarmierend nahe an der Null, was bedeutet, dass diese Lieder in Einzelfällen fast direkt hintereinander erneut gespielt wurden! Der Mittelwert liegt dabei in etwa auf dem Niveau von 85 Minuten mit geringer Streubreite.

Fazit

Mit 30 Liedern nicht gerade abwechslungsreiches Programm, aber das merkt man auch schon, wenn man den Sender einfach mal für einen Tag hört 😂.

Das Jupyter Notebook gibt’s hier zum Download.