Student 1: ecxqua

Student 2: BendySonic

Student 3: discocat

Моя роль в качестве Student 2 выполнялась у BendySonic

🎵 Анализ музыкальных чартов

Проект представляет собой автономный Python-модуль для анализа динамики популярности музыкальных треков и жанров на основе синтетических данных чартов. Не требует веб-фреймворков — только pandas и стандартная библиотека.

🧠 Как выполнялась работа

Проект был реализован с помощью вайб-кодинга на основе чёткой технической спецификации.
Генерация и отладка кода проводились с использованием Qwen с фокусом на:

• Корректность логики агрегации данных
• Производительность (< 2 сек на 50k строк)
• Устойчивость к ошибкам (некорректные даты, пропуски)
• Чёткое соответствие формату вывода (JSON)

Работа проходила итеративно: от генерации данных → исправления ошибок типов → внедрения искусственных трендов → финальной интеграции.

📁 Структура репозитория

music-charts-analysis/
│
├── spec/                     # 📄 Исходная техническая спецификация
│   └── codex.md              # Полное ТЗ: функции, форматы, ограничения
│
├── dev/                      # 💻 Основной код проекта
│   ├── analyze_charts.py     # Модуль анализа и генерации: загрузка, агрегация, JSON-вывод
│
├── demo/                     # 📊 Результаты выполнения (примеры)
│   ├── charts_data.csv       # Сгенерированный датасет (50k строк)
│   ├── top_artists.json      # Топ артистов по жанру и периоду
│   ├── popular_genres.json   # Тренды жанров: "up", "down", "stable"
│   └── track_statistics_<...>.json  # Статистика по конкретному треку
│
└── README.md                 # Этот файл

🚀 Как запустить

1. Создайте виртуальное окружение (опционально):

   uv venv

2. Установите зависимости:

   uv pip install -r requirements.txt

3. Запустите генерацию и анализ:

   python dev/solution.py → Сгенерирует три JSON-файла в корне (или переместите их в demo/ вручную)

4. Просмотрите результаты:

   • top_artists.json — лидеры по прослушиваниям
   • popular_genres.json — например: {"Hip-Hop": "up", "Pop": "down", "Jazz": "stable"}
   • track_statistics_*.json — полная статистика по случайному треку

📌 Особенности реализации

✅ Модуль анализа и генерации (dev/solution.py)

• Создаёт реалистичные чарты в стиле Spotify/Last.fm
• Внедряет управляемые тренды: рост для Hip-Hop, падение для других жанров
• Корректно форматирует даты (YYYY-MM-DD)
• Гарантирует совместимость с pandas без ошибок типов
• load_music_df()
  — безопасная загрузка с очисткой NaN
• get_top_artists()
  — фильтрация по жанру и периоду
• get_genre_evolution()
  — определяет тренд на основе сравнения первой/второй половины периода
• get_track_statistics()
  — агрегирует данные по треку: прослушивания, позиция, недели в чарте
• Вывод в строго заданном JSON-формате

⚡️ Производительность

• Обработка 50 000 строк занимает < 1.5 сек на среднем ноутбуке
• Используются только векторизованные операции pandas — без циклов по строкам

📝 Пример вывода (popular_genres.json)

{
  "Hip-Hop": "up",
  "Pop": "down",
  "Rock": "down",
  "Electronic": "down",
  "Country": "down",
  "Jazz": "stable",
  "Classical": "stable"
}

📎 Лицензия

Проект создан в образовательных целях. Свободно используйте, модифицируйте и распространяйте.