{"id":318850,"date":"2021-03-02T03:00:14","date_gmt":"2021-03-02T03:00:14","guid":{"rendered":"http:\/\/savepearlharbor.com\/?p=318850"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=318850","title":{"rendered":"\u041f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u043e\u0441\u0442\u044c BPM \u0432 \u0440\u0430\u0437\u043d\u044b\u0445 \u0436\u0430\u043d\u0440\u0430\u0445 \u043c\u0443\u0437\u044b\u043a\u0438. \u0410\u043d\u0430\u043b\u0438\u0437 \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 \u0438\u0441\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u044f 500 \u043b\u0443\u0447\u0448\u0438\u0445 \u043f\u0435\u0441\u0435\u043d"},"content":{"rendered":"\n
\n
<\/figcaption><\/figure>\n

\u041d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043b\u0435\u0442 \u043d\u0430\u0437\u0430\u0434, \u0437\u0430\u043d\u0438\u043c\u0430\u043b\u0441\u044f \u0438\u0437\u0443\u0447\u0435\u043d\u0438\u0435\u043c \u0442\u0435\u043e\u0440\u0438\u0438 \u043c\u0443\u0437\u044b\u043a\u0438, \u043f\u0440\u043e\u0434\u0430\u0432\u0430\u043b \u0438 \u043f\u0438\u0441\u0430\u043b \u0430\u0443\u0434\u0438\u043e-\u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u0430\u043b \u0434\u043b\u044f \u0430\u0440\u0435\u043d\u0434\u044b \u0438\u043b\u0438 \u0437\u0430\u043a\u0430\u0437\u043e\u0432. \u0418\u0437\u043d\u0430\u0447\u0430\u043b\u044c\u043d\u043e, \u043f\u0440\u043e\u0446\u0435\u0441\u0441 \u044f\u0432\u043d\u043e \u0442\u0432\u043e\u0440\u0447\u0435\u0441\u043a\u0438\u0439, \u043d\u043e \u0432\u0441\u043a\u043e\u0440\u0435, \u043c\u043e\u0439 \u0438\u043d\u0442\u0435\u0440\u0435\u0441 \u043a \u043a\u043e\u043c\u043c\u0435\u0440\u0447\u0435\u0441\u043a\u043e\u0439 \u0447\u0430\u0441\u0442\u0438 \u043f\u0440\u0435\u0432\u044b\u0441\u0438\u043b \u0438 \u0432\u043e\u0437\u043d\u0438\u043a \u0432\u043e\u043f\u0440\u043e\u0441: \u00ab\u0412 \u043a\u0430\u043a\u043e\u043c \u0436\u0435 \u0442\u0435\u043c\u043f\u0435 \u0441\u043e\u0437\u0434\u0430\u0432\u0430\u0442\u044c \u0440\u0438\u0442\u043c \u043c\u0443\u0437\u044b\u043a\u0438?\u00bb.<\/p>\n

\u041c\u043d\u043e\u044e \u0431\u044b\u043b\u0430 \u0437\u0430\u043c\u0435\u0447\u0435\u043d\u0430 \u0442\u0435\u043d\u0434\u0435\u043d\u0446\u0438\u044f \u0432\u0430\u0440\u0438\u0430\u0446\u0438\u0439 \u0442\u0435\u043c\u043f\u0430 \u043f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u044b\u0445 \u043f\u0435\u0441\u0435\u043d \u043e\u0434\u043d\u043e\u0433\u043e \u0436\u0430\u043d\u0440\u0430, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0438\u0434\u0435\u044f \u0430\u043d\u0430\u043b\u0438\u0437\u0430 \u043a\u0440\u0443\u043f\u043d\u043e\u0439 \u0432\u044b\u0431\u043e\u0440\u043a\u0438 \u043b\u0443\u0447\u0448\u0438\u0445 \u043a\u043e\u043c\u043f\u043e\u0437\u0438\u0446\u0438\u0439, \u0434\u043b\u044f \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u044f \u043f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u043e\u0433\u043e [\u0447\u0430\u0441\u0442\u043e: \u0441\u0430\u043c\u043e\u0433\u043e \u043f\u0440\u043e\u0434\u0430\u0432\u0430\u0435\u043c\u043e\u0433\u043e] \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u0430 \u0442\u0435\u043c\u043f\u0430 \u0438\u0441\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u044f<\/abbr>, \u043d\u0435 \u043f\u043e\u043a\u0438\u0434\u0430\u043b\u0430 \u0441 \u0442\u0435\u0445 \u043f\u043e\u0440\u2026<\/p>\n

\n

BPM<\/strong> [\u0432 \u043c\u0443\u0437\u044b\u043a\u0435] \u2014 \u043f\u043e\u043a\u0430\u0437\u0430\u0442\u0435\u043b\u044c, \u0434\u043b\u044f \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u044f \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 \u0438\u0441\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u044f \u043a\u043e\u043c\u043f\u043e\u0437\u0438\u0446\u0438\u0438, \u043f\u0443\u0442\u0451\u043c \u0438\u0437\u043c\u0435\u0440\u0435\u043d\u0438\u044f \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0430 \u0442\u0430\u043a\u0442\u043e\u0432\u044b\u0445 \u0434\u043e\u043b\u0435\u0439 \u0432 \u043c\u0438\u043d\u0443\u0442\u0443.<\/p>\n<\/blockquote>\n

\n

1: \u041f\u0440\u043e\u043b\u043e\u0433<\/h2>\n

\u0423\u0441\u0442\u0430\u043d\u0430\u0432\u043b\u0438\u0432\u0430\u0435\u043c \u00abMatplotlib\u00bb \u0438 \u00abPandas\u00bb \u0441 \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u044b\u043c\u0438 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u044f\u043c\u0438 \u0447\u0435\u0440\u0435\u0437 pip-\u043c\u0435\u043d\u0435\u0434\u0436\u0435\u0440 \u0432 \u043a\u043e\u043d\u0441\u043e\u043b\u0438\/\u0442\u0435\u0440\u043c\u0438\u043d\u0430\u043b\u0435.<\/p>\n

\"\u00abpython
\u00abpython -m pip install -V matplotlib\u00bb \u0438 \u00abpip install pandas\u00bb<\/figcaption><\/figure>\n

\u0421\u043e\u0437\u0434\u0430\u0451\u043c \u0434\u0438\u0440\u0435\u043a\u0442\u043e\u0440\u0438\u044e, \u0430 \u043f\u043e\u0442\u043e\u043c \u0432\u0438\u0440\u0442\u0443\u0430\u043b\u044c\u043d\u043e\u0435 \u043e\u043a\u0440\u0443\u0436\u0435\u043d\u0438\u0435 \u0434\u043b\u044f \u043f\u0440\u043e\u0435\u043a\u0442\u0430. \u041f\u043e\u0441\u043b\u0435, \u043f\u043e\u0434\u043a\u043b\u044e\u0447\u0430\u0435\u043c \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0438 \u0432 IDE [\u0432 \u043c\u043e\u0451\u043c \u0441\u043b\u0443\u0447\u0430\u0435: PyCharm].<\/p>\n

\"File
File \u2014 Settings \u2014 Project: […] \u2014 Python Interpreter<\/figcaption><\/figure>\n
\n

2: BPM<\/h2>\n

BPM \u0431\u0443\u0434\u0435\u043c \u0432\u044b\u0447\u0438\u0441\u043b\u044f\u0442\u044c \u0447\u0435\u0440\u0435\u0437 \u0444\u0443\u043d\u043a\u0446\u0438\u044e \u00abDetect tempo\u00bb \u0432 FL Studio \u0438 \u0447\u0435\u0440\u0435\u0437 \u0441\u0430\u0439\u0442 tunebat.com<\/p>\n

\"\u041f\u041a\u041c
\u041f\u041a\u041c \u043f\u043e \u0432\u0435\u0440\u0445\u043d\u0435\u0439 \u043b\u0435\u0432\u043e\u0439 \u0438\u043a\u043e\u043d\u043a\u0435 \u043d\u0430 \u0437\u0432\u0443\u043a\u043e\u0432\u043e\u0439 \u0434\u043e\u0440\u043e\u0436\u043a\u0435 \u2014 Detect tempo \u2014 \u0412\u044b\u0431\u0440\u0430\u0442\u044c \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d<\/figcaption><\/figure>\n
\n

3: DataSet<\/h2>\n

\u041d\u0430\u0447\u0438\u043d\u0430\u0435\u043c \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u0435 DataSet\u2019\u0430 [\u0432\u044b\u0431\u043e\u0440\u043a\u0438-\u043a\u043e\u043b\u043b\u0435\u043a\u0446\u0438\u0438 \u0434\u0430\u043d\u043d\u044b\u0445] \u0432 Excel, \u0434\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0436\u0430\u043d\u0440\u0430. \u042d\u043a\u0441\u043f\u043e\u0440\u0442\u0438\u0440\u0443\u0435\u043c \u0432 CSV-\u0444\u043e\u0440\u043c\u0430\u0442 \u0441 \u043d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0430\u043c\u0438 \u0440\u0430\u0437\u0434\u0435\u043b\u0438\u0442\u0435\u043b\u044f \u2014 \u0437\u0430\u043f\u044f\u0442\u043e\u0439. \u0421\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0435 CSV-\u0444\u0430\u0439\u043b\u044b \u0441\u043e\u0437\u0434\u0430\u0432\u0430\u043b \u0432 IDE, \u0442\u0430\u043a \u0443\u0434\u043e\u0431\u043d\u0435\u0435. \u0412\u044b\u0431\u043e\u0440\u043a\u0438 \u043f\u0435\u0440\u0435\u043c\u0435\u0449\u0430\u0435\u043c \u0432 \u0434\u0438\u0440\u0435\u043a\u0442\u043e\u0440\u0438\u044e, \u0433\u0434\u0435 \u043d\u0430\u0445\u043e\u0434\u0438\u0442\u0441\u044f \u0444\u0430\u0439\u043b \u0441\u0430\u043c\u043e\u0439 \u043f\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u044b.<\/p>\n

\u0412 \u043f\u0435\u0440\u0432\u043e\u0439 \u0441\u0442\u0440\u043e\u043a\u0435 CSV-\u0444\u0430\u0439\u043b\u043e\u0432 \u0443\u043a\u0430\u0437\u044b\u0432\u0430\u044e\u0442\u0441\u044f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0440\u0430\u0437\u0434\u0435\u043b\u044f\u044e\u0442\u0441\u044f \u0437\u0430\u043f\u044f\u0442\u044b\u043c\u0438. \u0421\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0435 \u0441\u0442\u0440\u043e\u043a\u0438 \u0441\u043e\u0434\u0435\u0440\u0436\u0430\u0442 \u0443\u0436\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f \u044d\u0442\u0438\u0445 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432. \u041f\u0440\u0438 \u043e\u043a\u043e\u043d\u0447\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0439 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0435, DataSet \u0434\u043e\u043b\u0436\u0435\u043d \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e \u0441\u043e\u0434\u0435\u0440\u0436\u0430\u0442\u044c \u0434\u0430\u043d\u043d\u044b\u0435: \u043d\u0430\u0437\u0432\u0430\u043d\u0438\u044f \u0442\u0440\u0435\u043a\u0430, BPM \u0438 \u0433\u043e\u0434 \u0432\u044b\u0445\u043e\u0434\u0430 \u043a\u043e\u043c\u043f\u043e\u0437\u0438\u0446\u0438\u0438. \u0411\u0443\u0434\u0435\u043c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044e \u0432\u044b\u0431\u043e\u0440\u043a\u0438 \u0432 \u0441\u0442\u043e \u043f\u0435\u0441\u0435\u043d, \u0434\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0436\u0430\u043d\u0440\u0430 \u0438\u0437 \u0432\u044b\u0431\u0440\u0430\u043d\u043d\u044b\u0445 \u043f\u044f\u0442\u0438.<\/p>\n

\"\u041f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b:
\u041f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b: \u00abname\u00bb \u2014 \u043d\u0430\u0437\u0432\u0430\u043d\u0438\u0435 \u0442\u0440\u0435\u043a\u0430; \u00abbpm\u00bb \u2014 \u0442\u0435\u043c\u043f; \u00abyear\u00bb \u2014 \u0433\u043e\u0434 \u0440\u0435\u043b\u0438\u0437\u0430<\/figcaption><\/figure>\n
\n

4: Rap \u2014 \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u0435 \u0442\u043e\u0447\u0435\u0447\u043d\u043e\u0439 \u0434\u0438\u0430\u0433\u0440\u0430\u043c\u043c\u044b \u0438 \u0433\u0438\u0441\u0442\u043e\u0433\u0440\u0430\u043c\u043c\u044b<\/h2>\n

\u0412\u044b\u0431\u043e\u0440\u043a\u0430 \u0432\u0437\u044f\u0442\u0430 \u0437\u0434\u0435\u0441\u044c: rollingstone.com\/100-greatest-hip-hop-songs-of-all-time<\/a>
\u0421\u0430\u043c CSV-DataSet: github.com\/Rap.csv<\/a><\/p>\n

\u041d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438 DataSet’\u0430, \u0441\u043e\u0437\u0434\u0430\u0451\u043c \u0442\u043e\u0447\u0435\u0447\u043d\u0443\u044e \u0434\u0438\u0430\u0433\u0440\u0430\u043c\u043c\u0443 [Scatter Plots] \u0434\u043b\u044f \u0438\u0437\u0443\u0447\u0435\u043d\u0438\u044f \u0432\u0437\u0430\u0438\u043c\u043e\u0441\u0432\u044f\u0437\u0438 \u043c\u0435\u0436\u0434\u0443 BPM \u0438 \u0433\u043e\u0434\u043e\u043c \u0432\u044b\u043f\u0443\u0441\u043a\u0430, \u0430 \u0442\u0430\u043a\u0436\u0435 \u0434\u043b\u044f \u043e\u0442\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u044f \u043a\u043e\u043d\u0446\u0435\u043d\u0442\u0440\u0430\u0446\u0438\u0439 \u043f\u0440\u0438 \u0440\u0430\u043d\u0436\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0438 \u0434\u0430\u043d\u043d\u044b\u0445.<\/p>\n

\"\u0412\u0438\u0434\u043d\u043e,
\u0412\u0438\u0434\u043d\u043e, \u0447\u0442\u043e \u0441 1980 \u043f\u043e 2005 \u0433\u0433. \u043e\u0441\u043d\u043e\u0432\u043d\u044b\u043c \u0442\u0435\u043c\u043f\u043e\u043c \u0431\u044b\u043b \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d \u0432 90-105 BPM<\/figcaption><\/figure>\n
\n\u00ab\u041a\u043e\u0434 \u0442\u043e\u0447\u0435\u0447\u043d\u043e\u0439 \u0434\u0438\u0430\u0433\u0440\u0430\u043c\u043c\u044b \u0441 \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u044f\u043c\u0438\u00bb<\/summary>\n
\n
from matplotlib import pyplot as plt                              # \u041f\u0435\u0440\u0432\u044b\u0439 \u043a\u0430\u043d\u043e\u043d\u0438\u0447\u043d\u044b\u0439 \u0438\u043c\u043f\u043e\u0440\u0442 import pandas as pd                                                    # \u0412\u0442\u043e\u0440\u043e\u0439 \u043a\u0430\u043d\u043e\u043d\u0438\u0447\u043d\u044b\u0439 \u0438\u043c\u043f\u043e\u0440\u0442 \u0434\u043b\u044f \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 DataSet'\u0430  plt.style.use('fivethirtyeight')                                         # \u041d\u0430\u0437\u043d\u0430\u0447\u0430\u0435\u043c \u0441\u0442\u0438\u043b\u0438\u0441\u0442\u0438\u043a\u0443 \u0432\u0438\u0437\u0443\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438  data_set = pd.read_csv('Rap.csv')                               # \u0421\u0447\u0438\u0442\u044b\u0432\u0430\u0435\u043c \u0434\u0430\u043d\u043d\u044b\u0435 SCV-\u0444\u0430\u0439\u043b\u0430 \u0441 DataSet'\u043e\u043c bpm = data_set['bpm']                                                  # \u041f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u0430\u044f, \u0434\u043b\u044f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430 BPM \u0432 \u043a\u0430\u0436\u0434\u043e\u0439 \u0441\u0442\u0440\u043e\u043a\u0435 year = data_set['year']                                                  # \u041f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u0430\u044f, \u0434\u043b\u044f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430 \"\u0433\u043e\u0434 \u0440\u0435\u043b\u0438\u0437\u0430\" \u0432 \u043a\u0430\u0436\u0434\u043e\u0439 \u0441\u0442\u0440\u043e\u043a\u0435  plt.scatter(                                                                     # \u041f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u0435 \u0442\u043e\u0447\u0435\u0447\u043d\u043e\u0433\u043e \u0433\u0440\u0430\u0444\u0438\u043a\u0430 \u0438 \u0435\u0433\u043e \u043d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0430 \tbpm, year,                                                                   # \u0414\u0430\u043d\u043d\u044b\u0435 \u0434\u043b\u044f \u043e\u0441\u0435\u0439 \u00abx\u00bb \u0438 \u00aby\u00bb \tc=bpm,                                                                        # \u041f\u0440\u0438\u0432\u044f\u0437\u043a\u0430 \u0446\u0432\u0435\u0442\u0430 \u043a \u043d\u0443\u0436\u043d\u043e\u0439 \u043e\u0441\u0438 \ts=bpm*1.5,                                                                  # \u0417\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u044c \u0440\u0430\u0437\u043c\u0435\u0440\u0430 \u0442\u043e\u0447\u043a\u0438 \tcmap='gist_heat',                                                        # \u0426\u0432\u0435\u0442\u043e\u0432\u0430\u044f \u043a\u0430\u0440\u0442\u0430 \u0433\u0440\u0430\u0444\u0438\u043a\u0430 \tedgecolor='black',                                                       # \u0426\u0432\u0435\u0442 \u043a\u043e\u043d\u0442\u0443\u0440\u0430 \u0442\u043e\u0447\u043a\u0438 \tlinewidth=.7                                                                 # \u0422\u043e\u043b\u0449\u0438\u043d\u0430 \u043a\u043e\u043d\u0442\u0443\u0440\u0430 \u0442\u043e\u0447\u043a\u0438 )  bar = plt.colorbar(                                                          # \u041f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u0435 \u0448\u043a\u0430\u043b\u044b BPM \t\t\torientation='horizontal',                                            # \u041e\u0440\u0438\u0435\u043d\u0442\u0430\u0446\u0438\u044f \u0448\u043a\u0430\u043b\u044b \t\t\tshrink=0.8,                                                               # \u041c\u0430\u0441\u0448\u0442\u0430\u0431 \u0448\u043a\u0430\u043b\u044b \t\t\textend='both',                                                           # \u0421\u043a\u043e\u0441 \u043a\u0440\u0430\u0451\u0432 \u0448\u043a\u0430\u043b\u044b \t\t\textendfrac=.1                                                           # \u0423\u0433\u043e\u043b \u0441\u043a\u043e\u0441\u0430 \u043a\u0440\u0430\u0451\u0432 )  bar.set_label('\u0428\u043a\u0430\u043b\u0430 \u0443\u0434\u0430\u0440\u043e\u0432 \u0432 \u043c\u0438\u043d\u0443\u0442\u0443', fontsize=18)   # \u041f\u043e\u0434\u043f\u0438\u0441\u044c \u0448\u043a\u0430\u043b\u044b  plt.title('\u041f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u043e\u0441\u0442\u044c \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 '                                  # \u0417\u0430\u0433\u043e\u043b\u043e\u0432\u043e\u043a \u0433\u0440\u0430\u0444\u0438\u043a\u0430 \t\t  '\u0438\u0441\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u044f \u0432 Rap\\'\u0435 ', fontsize=25)  plt.xlabel('BPM', fontsize=18)                                         # \u041e\u0441\u044c \u0430\u0431\u0441\u0446\u0438\u0441\u0441 plt.ylabel('\u0413\u043e\u0434 \u0440\u0435\u043b\u0438\u0437\u0430', fontsize=18)                               # \u041e\u0441\u044c \u043e\u0440\u0434\u0438\u043d\u0430\u0442  plt.tight_layout()                                                              # \u041d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0430 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u043f\u043e\u0434\u0437\u0430\u0433\u043e\u043b\u043e\u0432\u043a\u043e\u0432 \u0432 \u043e\u0431\u043b\u0430\u0441\u0442\u0438 \u043e\u0442\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u044f plt.show()                                                                        # \u0412\u044b\u0432\u043e\u0434 \u043d\u0430 \u044d\u043a\u0440\u0430\u043d<\/code><\/pre>\n<\/div>\n<\/details>\n
\u0415\u0441\u043b\u0438 \u0434\u0438\u0430\u0433\u0440\u0430\u043c\u043c\u0430 \u043e\u0442\u0440\u0430\u0436\u0430\u0435\u0442 \u0442\u043e\u0447\u0435\u0447\u043d\u043e\u0435 \u043f\u043e\u043b\u043e\u0436\u0435\u043d\u0438\u0435 \u0442\u0440\u0435\u043a\u0430 \u0432 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0438 \u0434\u0432\u0443\u0445 \u043f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0445, \u2014 BPM \u0438 \u0433\u043e\u0434\u0430 \u0440\u0435\u043b\u0438\u0437\u0430, \u2014 \u0442\u043e \u0433\u0438\u0441\u0442\u043e\u0433\u0440\u0430\u043c\u043c\u0430 \u043f\u043e\u043a\u0430\u0436\u0435\u0442 \u0447\u0430\u0441\u0442\u043e\u0442\u0443-\u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u043e\u043f\u0430\u0434\u0430\u043d\u0438\u0439 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f BPM \u0434\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u0430 \u043d\u0430 \u0448\u043a\u0430\u043b\u0435. \u0422\u0430\u043a\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c, \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0438\u0442\u0441\u044f \u043f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u043e\u0441\u0442\u044c \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u043d\u043e\u0433\u043e \u0442\u0435\u043c\u043f\u0430.<\/p>\n
\"\u0421\u0430\u043c\u044b\u0439
\u0421\u0430\u043c\u044b\u0439 \u043f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u044b\u0439 \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d: 80-100 BPM<\/figcaption><\/figure>\n
\n\u00ab\u041a\u043e\u0434 \u0433\u0438\u0441\u0442\u043e\u0433\u0440\u0430\u043c\u043c\u044b \u0431\u0435\u0437 \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u0435\u0432\u00bb<\/summary>\n
\n
import pandas as pd from matplotlib import pyplot as plt from collections import Counter  plt.style.use(\"fivethirtyeight\")  data_set = pd.read_csv('Rap end.csv') index = data_set['number'] ranges = data_set['bpm_range']  counter = Counter() for index in ranges: \tcounter.update(index.split(';'))  range_bpm = [] value = []  for item in counter.most_common(100): \trange_bpm.append(item[0]) \tvalue.append(item[1])  range_bpm.reverse() value.reverse()  plt.barh( \trange_bpm, value, \tlinewidth=.5, \tedgecolor='black', \tcolor='#e85b45', \tlabel='\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0442\u043e\u0447\u0435\u043a \u043d\u0430 \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0435\u043c \u0433\u0440\u0430\u0444\u0438\u043a\u0435' )  plt.legend()  plt.title('\u041f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u043e\u0441\u0442\u044c \u0438\u043d\u0442\u0435\u0440\u0432\u0430\u043b\u0430 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0439 BPM \u0432 rap\\'\u0435', fontsize=25) plt.xlabel('\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u0435\u0441\u0435\u043d \u0432 \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u0435 BPM', fontsize=18) plt.ylabel('\u0414\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u044b BPM', fontsize=18)  plt.tight_layout() plt.show()<\/code><\/pre>\n<\/div>\n<\/details>\n
\n
5: \u0420\u043e\u043a<\/h2>\n
\u0412\u044b\u0431\u043e\u0440\u043a\u0430 \u0432\u0437\u044f\u0442\u0430 \u0437\u0434\u0435\u0441\u044c: rockfm.ru\/top100<\/a>
\u0421\u0430\u043c CSV-DataSet: github.com\/Rock.csv<\/a><\/p>\n
\u041e\u0434\u043d\u043e\u0437\u043d\u0430\u0447\u043d\u043e\u0441\u0442\u0438 \u043f\u043e\u043a\u0430 \u0447\u0442\u043e \u043d\u0435\u0442, \u2014 \u043e\u0441\u043e\u0431\u0435\u043d\u043d\u043e\u0441\u0442\u044c \u0436\u0430\u043d\u0440\u0430. \u2014 \u043f\u043e\u044d\u0442\u043e\u043c\u0443, \u0432\u0442\u043e\u0440\u043e\u0439 \u0433\u0440\u0430\u0444\u0438\u043a \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d \u043f\u0440\u0438 \u043e\u043a\u0440\u0443\u0433\u043b\u0435\u043d\u0438\u0438 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430 \u00abyear\/\u0433\u043e\u0434 \u0432\u044b\u0445\u043e\u0434\u0430 \u043a\u043e\u043c\u043f\u043e\u0437\u0438\u0446\u0438\u0438\u00bb.<\/p>\n
<\/figcaption><\/figure>\n
\n\u00ab\u041a\u043e\u0434 \u0442\u043e\u0447\u0435\u0447\u043d\u043e\u0439 \u0434\u0438\u0430\u0433\u0440\u0430\u043c\u043c\u044b \u0441 \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u044f\u043c\u0438\u00bb<\/summary>\n
\n
from matplotlib import pyplot as plt                              # \u041f\u0435\u0440\u0432\u044b\u0439 \u043a\u0430\u043d\u043e\u043d\u0438\u0447\u043d\u044b\u0439 \u0438\u043c\u043f\u043e\u0440\u0442 import pandas as pd                                                    # \u0412\u0442\u043e\u0440\u043e\u0439 \u043a\u0430\u043d\u043e\u043d\u0438\u0447\u043d\u044b\u0439 \u0438\u043c\u043f\u043e\u0440\u0442 \u0434\u043b\u044f \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 DataSet'\u0430  plt.style.use('fivethirtyeight')                                         # \u041d\u0430\u0437\u043d\u0430\u0447\u0430\u0435\u043c \u0441\u0442\u0438\u043b\u0438\u0441\u0442\u0438\u043a\u0443 \u0432\u0438\u0437\u0443\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438  data_set = pd.read_csv('Rock.csv')                             # \u0421\u0447\u0438\u0442\u044b\u0432\u0430\u0435\u043c \u0434\u0430\u043d\u043d\u044b\u0435 SCV-\u0444\u0430\u0439\u043b\u0430 \u0441 DataSet'\u043e\u043c bpm = data_set['bpm']                                                  # \u041f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u0430\u044f, \u0434\u043b\u044f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430 BPM \u0432 \u043a\u0430\u0436\u0434\u043e\u0439 \u0441\u0442\u0440\u043e\u043a\u0435 year = data_set['year']                                                  # \u041f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u0430\u044f, \u0434\u043b\u044f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430 \"\u0433\u043e\u0434 \u0440\u0435\u043b\u0438\u0437\u0430\" \u0432 \u043a\u0430\u0436\u0434\u043e\u0439 \u0441\u0442\u0440\u043e\u043a\u0435  plt.scatter(                                                                     # \u041f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u0435 \u0442\u043e\u0447\u0435\u0447\u043d\u043e\u0433\u043e \u0433\u0440\u0430\u0444\u0438\u043a\u0430 \u0438 \u0435\u0433\u043e \u043d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0430 \tbpm, year,                                                                   # \u0414\u0430\u043d\u043d\u044b\u0435 \u0434\u043b\u044f \u043e\u0441\u0435\u0439 \u00abx\u00bb \u0438 \u00aby\u00bb \tc=bpm,                                                                        # \u041f\u0440\u0438\u0432\u044f\u0437\u043a\u0430 \u0446\u0432\u0435\u0442\u0430 \u043a \u043d\u0443\u0436\u043d\u043e\u0439 \u043e\u0441\u0438 \ts=bpm*1.5,                                                                  # \u0417\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u044c \u0440\u0430\u0437\u043c\u0435\u0440\u0430 \u0442\u043e\u0447\u043a\u0438 \tcmap='gist_heat',                                                        # \u0426\u0432\u0435\u0442\u043e\u0432\u0430\u044f \u043a\u0430\u0440\u0442\u0430 \u0433\u0440\u0430\u0444\u0438\u043a\u0430 \tedgecolor='black',                                                       # \u0426\u0432\u0435\u0442 \u043a\u043e\u043d\u0442\u0443\u0440\u0430 \u0442\u043e\u0447\u043a\u0438 \tlinewidth=.7                                                                 # \u0422\u043e\u043b\u0449\u0438\u043d\u0430 \u043a\u043e\u043d\u0442\u0443\u0440\u0430 \u0442\u043e\u0447\u043a\u0438 \talpha=.7                                                                      # \u041f\u0440\u043e\u0437\u0440\u0430\u0447\u043d\u043e\u0441\u0442\u044c \u0442\u043e\u0447\u043a\u0438 )  bar = plt.colorbar(                                                          # \u041f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u0435 \u0448\u043a\u0430\u043b\u044b BPM \t\t\torientation='horizontal',                                            # \u041e\u0440\u0438\u0435\u043d\u0442\u0430\u0446\u0438\u044f \u0448\u043a\u0430\u043b\u044b \t\t\tshrink=0.8,                                                               # \u041c\u0430\u0441\u0448\u0442\u0430\u0431 \u0448\u043a\u0430\u043b\u044b \t\t\textend='both',                                                           # \u0421\u043a\u043e\u0441 \u043a\u0440\u0430\u0451\u0432 \u0448\u043a\u0430\u043b\u044b \t\t\textendfrac=.1                                                           # \u0423\u0433\u043e\u043b \u0441\u043a\u043e\u0441\u0430 \u043a\u0440\u0430\u0451\u0432 )  bar.set_label('\u0428\u043a\u0430\u043b\u0430 \u0443\u0434\u0430\u0440\u043e\u0432 \u0432 \u043c\u0438\u043d\u0443\u0442\u0443', fontsize=18)    # \u041f\u043e\u0434\u043f\u0438\u0441\u044c \u0448\u043a\u0430\u043b\u044b  plt.title('\u041f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u043e\u0441\u0442\u044c \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 '                                   # \u0417\u0430\u0433\u043e\u043b\u043e\u0432\u043e\u043a \u0433\u0440\u0430\u0444\u0438\u043a\u0430 \t\t  '\u0438\u0441\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u044f \u0432 \u0440\u043e\u043a\u0435', fontsize=25)  plt.xlabel('BPM', fontsize=18)                                          # \u041e\u0441\u044c \u0430\u0431\u0441\u0446\u0438\u0441\u0441 plt.ylabel('\u0413\u043e\u0434 \u0440\u0435\u043b\u0438\u0437\u0430', fontsize=18)                                # \u041e\u0441\u044c \u043e\u0440\u0434\u0438\u043d\u0430\u0442  plt.tight_layout()                                                               # \u041d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0430 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u043f\u043e\u0434\u0437\u0430\u0433\u043e\u043b\u043e\u0432\u043a\u043e\u0432 \u0432 \u043e\u0431\u043b\u0430\u0441\u0442\u0438 \u043e\u0442\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u044f plt.show()                                                                         # \u0412\u044b\u0432\u043e\u0434 \u043d\u0430 \u044d\u043a\u0440\u0430\u043d<\/code><\/pre>\n<\/div>\n<\/details>\n
\"\u0421\u0430\u043c\u044b\u0435
\u0421\u0430\u043c\u044b\u0435 \u043f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u044b\u0435 \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u044b: 120-140 \u0438 100-120 BPM<\/figcaption><\/figure>\n
\n\u00ab\u041a\u043e\u0434 \u0433\u0438\u0441\u0442\u043e\u0433\u0440\u0430\u043c\u043c\u044b \u0431\u0435\u0437 \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u0435\u0432\u00bb<\/summary>\n
\n
import pandas as pd from matplotlib import pyplot as plt from collections import Counter  plt.style.use(\"fivethirtyeight\")  data_set = pd.read_csv('Rock end.csv') index = data_set['number'] ranges = data_set['bpm_range']  counter = Counter() for index in ranges: \tcounter.update(index.split(';'))  range_bpm = [] value = []  for item in counter.most_common(100): \trange_bpm.append(item[0]) \tvalue.append(item[1])  range_bpm.reverse() value.reverse()  plt.barh( \trange_bpm, value, \tlinewidth=.5, \tedgecolor='black', \tcolor='#e85b45', \tlabel='\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0442\u043e\u0447\u0435\u043a \u043d\u0430 \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0435\u043c \u0433\u0440\u0430\u0444\u0438\u043a\u0435' )  plt.legend()  plt.title('\u041f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u043e\u0441\u0442\u044c \u0438\u043d\u0442\u0435\u0440\u0432\u0430\u043b\u0430 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0439 BPM \u0432 \u0440\u043e\u043a\u0435', fontsize=25) plt.xlabel('\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u0435\u0441\u0435\u043d \u0432 \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u0435 BPM', fontsize=18) plt.ylabel('\u0414\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u044b BPM', fontsize=18)  plt.tight_layout() plt.show()<\/code><\/pre>\n<\/div>\n<\/details>\n
\n
6: \u0411\u043b\u044e\u0437<\/h2>\n
\u0412\u044b\u0431\u043e\u0440\u043a\u0430 \u0432\u0437\u044f\u0442\u0430 \u0437\u0434\u0435\u0441\u044c: digitaldreamdoor.com\/best_bluesong<\/a>
\u0421\u0430\u043c CSV-DataSet: github.com\/Blues.csv<\/a><\/p>\n
\"\u0412\u0438\u0434\u043d\u043e
\u0412\u0438\u0434\u043d\u043e \u0432\u044b\u0441\u043e\u043a\u0443\u044e \u043a\u043e\u043d\u0446\u0435\u043d\u0442\u0440\u0430\u0446\u0438\u044e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f \u0442\u0435\u043c\u043f\u0430 \u043e\u043a\u043e\u043b\u043e 100 BPM \u0432 90-\u0445<\/figcaption><\/figure>\n
\n\u00ab\u041a\u043e\u0434 \u0442\u043e\u0447\u0435\u0447\u043d\u043e\u0439 \u0434\u0438\u0430\u0433\u0440\u0430\u043c\u043c\u044b \u0441 \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u044f\u043c\u0438\u00bb<\/summary>\n
\n
from matplotlib import pyplot as plt                              # \u041f\u0435\u0440\u0432\u044b\u0439 \u043a\u0430\u043d\u043e\u043d\u0438\u0447\u043d\u044b\u0439 \u0438\u043c\u043f\u043e\u0440\u0442 import pandas as pd                                                    # \u0412\u0442\u043e\u0440\u043e\u0439 \u043a\u0430\u043d\u043e\u043d\u0438\u0447\u043d\u044b\u0439 \u0438\u043c\u043f\u043e\u0440\u0442 \u0434\u043b\u044f \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 DataSet'\u0430  plt.style.use('fivethirtyeight')                                         # \u041d\u0430\u0437\u043d\u0430\u0447\u0430\u0435\u043c \u0441\u0442\u0438\u043b\u0438\u0441\u0442\u0438\u043a\u0443 \u0432\u0438\u0437\u0443\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438  data_set = pd.read_csv('Blues.csv')                            # \u0421\u0447\u0438\u0442\u044b\u0432\u0430\u0435\u043c \u0434\u0430\u043d\u043d\u044b\u0435 SCV-\u0444\u0430\u0439\u043b\u0430 \u0441 DataSet'\u043e\u043c bpm = data_set['bpm']                                                  # \u041f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u0430\u044f, \u0434\u043b\u044f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430 BPM \u0432 \u043a\u0430\u0436\u0434\u043e\u0439 \u0441\u0442\u0440\u043e\u043a\u0435 year = data_set['year']                                                  # \u041f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u0430\u044f, \u0434\u043b\u044f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430 \"\u0433\u043e\u0434 \u0440\u0435\u043b\u0438\u0437\u0430\" \u0432 \u043a\u0430\u0436\u0434\u043e\u0439 \u0441\u0442\u0440\u043e\u043a\u0435  plt.scatter(                                                                     # \u041f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u0435 \u0442\u043e\u0447\u0435\u0447\u043d\u043e\u0433\u043e \u0433\u0440\u0430\u0444\u0438\u043a\u0430 \u0438 \u0435\u0433\u043e \u043d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0430 \tbpm, year,                                                                   # \u0414\u0430\u043d\u043d\u044b\u0435 \u0434\u043b\u044f \u043e\u0441\u0435\u0439 \u00abx\u00bb \u0438 \u00aby\u00bb \tc=bpm,                                                                        # \u041f\u0440\u0438\u0432\u044f\u0437\u043a\u0430 \u0446\u0432\u0435\u0442\u0430 \u043a \u043d\u0443\u0436\u043d\u043e\u0439 \u043e\u0441\u0438 \ts=bpm*1.5,                                                                  # \u0417\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u044c \u0440\u0430\u0437\u043c\u0435\u0440\u0430 \u0442\u043e\u0447\u043a\u0438 \tcmap='gist_heat',                                                        # \u0426\u0432\u0435\u0442\u043e\u0432\u0430\u044f \u043a\u0430\u0440\u0442\u0430 \u0433\u0440\u0430\u0444\u0438\u043a\u0430 \tedgecolor='black',                                                       # \u0426\u0432\u0435\u0442 \u043a\u043e\u043d\u0442\u0443\u0440\u0430 \u0442\u043e\u0447\u043a\u0438 \tlinewidth=.7                                                                 # \u0422\u043e\u043b\u0449\u0438\u043d\u0430 \u043a\u043e\u043d\u0442\u0443\u0440\u0430 \u0442\u043e\u0447\u043a\u0438 )  bar = plt.colorbar(                                                          # \u041f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u0435 \u0448\u043a\u0430\u043b\u044b BPM \t\t\torientation='horizontal',                                            # \u041e\u0440\u0438\u0435\u043d\u0442\u0430\u0446\u0438\u044f \u0448\u043a\u0430\u043b\u044b \t\t\tshrink=0.8,                                                               # \u041c\u0430\u0441\u0448\u0442\u0430\u0431 \u0448\u043a\u0430\u043b\u044b \t\t\textend='both',                                                           # \u0421\u043a\u043e\u0441 \u043a\u0440\u0430\u0451\u0432 \u0448\u043a\u0430\u043b\u044b \t\t\textendfrac=.1                                                           # \u0423\u0433\u043e\u043b \u0441\u043a\u043e\u0441\u0430 \u043a\u0440\u0430\u0451\u0432 )  bar.set_label('\u0428\u043a\u0430\u043b\u0430 \u0443\u0434\u0430\u0440\u043e\u0432 \u0432 \u043c\u0438\u043d\u0443\u0442\u0443', fontsize=18)    # \u041f\u043e\u0434\u043f\u0438\u0441\u044c \u0448\u043a\u0430\u043b\u044b  plt.title('\u041f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u043e\u0441\u0442\u044c \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 '                                   # \u0417\u0430\u0433\u043e\u043b\u043e\u0432\u043e\u043a \u0433\u0440\u0430\u0444\u0438\u043a\u0430 \t\t  '\u0438\u0441\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u044f \u0432 \u0431\u043b\u044e\u0437\u0435', fontsize=25)  plt.xlabel('BPM', fontsize=18)                                          # \u041e\u0441\u044c \u0430\u0431\u0441\u0446\u0438\u0441\u0441 plt.ylabel('\u0413\u043e\u0434 \u0440\u0435\u043b\u0438\u0437\u0430', fontsize=18)                                # \u041e\u0441\u044c \u043e\u0440\u0434\u0438\u043d\u0430\u0442  plt.tight_layout()                                                               # \u041d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0430 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u043f\u043e\u0434\u0437\u0430\u0433\u043e\u043b\u043e\u0432\u043a\u043e\u0432 \u0432 \u043e\u0431\u043b\u0430\u0441\u0442\u0438 \u043e\u0442\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u044f plt.show()                                                                         # \u0412\u044b\u0432\u043e\u0434 \u043d\u0430 \u044d\u043a\u0440\u0430\u043d<\/code><\/pre>\n<\/div>\n<\/details>\n
\"\u0421\u0430\u043c\u044b\u0439
\u0421\u0430\u043c\u044b\u0439 \u043f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u044b\u0439 \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d: 100-120 BPM<\/figcaption><\/figure>\n
\n\u00ab\u041a\u043e\u0434 \u0433\u0438\u0441\u0442\u043e\u0433\u0440\u0430\u043c\u043c\u044b \u0431\u0435\u0437 \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u0435\u0432\u00bb<\/summary>\n
\n
import pandas as pd from matplotlib import pyplot as plt from collections import Counter  plt.style.use(\"fivethirtyeight\")  data_set = pd.read_csv('Blues end.csv') index = data_set['number'] ranges = data_set['bpm_range']  counter = Counter() for index in ranges: \tcounter.update(index.split(';'))  range_bpm = [] value = []  for item in counter.most_common(100): \trange_bpm.append(item[0]) \tvalue.append(item[1])  range_bpm.reverse() value.reverse()  plt.barh( \trange_bpm, value, \tlinewidth=.5, \tedgecolor='black', \tcolor='#e85b45', \tlabel='\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0442\u043e\u0447\u0435\u043a \u043d\u0430 \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0435\u043c \u0433\u0440\u0430\u0444\u0438\u043a\u0435' )  plt.legend()  plt.title('\u041f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u043e\u0441\u0442\u044c \u0438\u043d\u0442\u0435\u0440\u0432\u0430\u043b\u0430 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0439 BPM \u0432 \u0431\u043b\u044e\u0437\u0435', fontsize=25) plt.xlabel('\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u0435\u0441\u0435\u043d \u0432 \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u0435 BPM', fontsize=18) plt.ylabel('\u0414\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u044b BPM', fontsize=18)  plt.tight_layout() plt.show()<\/code><\/pre>\n<\/div>\n<\/details>\n
\n
7: Chillout<\/h2>\n
\u0412\u044b\u0431\u043e\u0440\u043a\u0430 \u0432\u0437\u044f\u0442\u0430 \u0437\u0434\u0435\u0441\u044c: open.spotify.com<\/a> 
\u0421\u0430\u043c CSV-DataSet: github.com\/Chillout.csv<\/a> <\/p>\n
\u041c\u043d\u043e\u0433\u043e \u043d\u0430\u043b\u043e\u0436\u0435\u043d\u0438\u0439 \u0442\u043e\u0447\u0435\u043a \u0434\u0440\u0443\u0433 \u043d\u0430 \u0434\u0440\u0443\u0433\u0430. \u041a \u0441\u043e\u0436\u0430\u043b\u0435\u043d\u0438\u044e, \u043d\u0435 \u0437\u043d\u0430\u044e, \u043a\u0430\u043a \u044d\u0442\u043e \u0438\u0441\u043f\u0440\u0430\u0432\u0438\u0442\u044c. \u041f\u0440\u0438\u0448\u043b\u043e\u0441\u044c \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0442\u043e\u0447\u043a\u0438 \u0431\u043e\u043b\u0435\u0435 \u043f\u0440\u043e\u0437\u0440\u0430\u0447\u043d\u044b\u043c\u0438, \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u0430\u0440\u0433\u0443\u043c\u0435\u043d\u0442\u0430 \u00abalpha\u00bb \u0444\u0443\u043d\u043a\u0446\u0438\u0438 \u00ab.scatter\u00bb.<\/p>\n
<\/figcaption><\/figure>\n
\n\u00ab\u041a\u043e\u0434 \u0442\u043e\u0447\u0435\u0447\u043d\u043e\u0439 \u0434\u0438\u0430\u0433\u0440\u0430\u043c\u043c\u044b \u0441 \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u044f\u043c\u0438\u00bb<\/summary>\n
\n
from matplotlib import pyplot as plt                              # \u041f\u0435\u0440\u0432\u044b\u0439 \u043a\u0430\u043d\u043e\u043d\u0438\u0447\u043d\u044b\u0439 \u0438\u043c\u043f\u043e\u0440\u0442 import pandas as pd                                                    # \u0412\u0442\u043e\u0440\u043e\u0439 \u043a\u0430\u043d\u043e\u043d\u0438\u0447\u043d\u044b\u0439 \u0438\u043c\u043f\u043e\u0440\u0442 \u0434\u043b\u044f \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 DataSet'\u0430  plt.style.use('fivethirtyeight')                                         # \u041d\u0430\u0437\u043d\u0430\u0447\u0430\u0435\u043c \u0441\u0442\u0438\u043b\u0438\u0441\u0442\u0438\u043a\u0443 \u0432\u0438\u0437\u0443\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438  data_set = pd.read_csv('Chillout.csv')                         # \u0421\u0447\u0438\u0442\u044b\u0432\u0430\u0435\u043c \u0434\u0430\u043d\u043d\u044b\u0435 SCV-\u0444\u0430\u0439\u043b\u0430 \u0441 DataSet'\u043e\u043c bpm = data_set['bpm']                                                  # \u041f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u0430\u044f, \u0434\u043b\u044f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430 BPM \u0432 \u043a\u0430\u0436\u0434\u043e\u0439 \u0441\u0442\u0440\u043e\u043a\u0435 year = data_set['year']                                                  # \u041f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u0430\u044f, \u0434\u043b\u044f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430 \"\u0433\u043e\u0434 \u0440\u0435\u043b\u0438\u0437\u0430\" \u0432 \u043a\u0430\u0436\u0434\u043e\u0439 \u0441\u0442\u0440\u043e\u043a\u0435  plt.scatter(                                                                     # \u041f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u0435 \u0442\u043e\u0447\u0435\u0447\u043d\u043e\u0433\u043e \u0433\u0440\u0430\u0444\u0438\u043a\u0430 \u0438 \u0435\u0433\u043e \u043d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0430 \tbpm, year,                                                                   # \u0414\u0430\u043d\u043d\u044b\u0435 \u0434\u043b\u044f \u043e\u0441\u0435\u0439 \u00abx\u00bb \u0438 \u00aby\u00bb \tc=bpm,                                                                        # \u041f\u0440\u0438\u0432\u044f\u0437\u043a\u0430 \u0446\u0432\u0435\u0442\u0430 \u043a \u043d\u0443\u0436\u043d\u043e\u0439 \u043e\u0441\u0438 \ts=bpm*1.5,                                                                  # \u0417\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u044c \u0440\u0430\u0437\u043c\u0435\u0440\u0430 \u0442\u043e\u0447\u043a\u0438 \tcmap='gist_heat',                                                        # \u0426\u0432\u0435\u0442\u043e\u0432\u0430\u044f \u043a\u0430\u0440\u0442\u0430 \u0433\u0440\u0430\u0444\u0438\u043a\u0430 \tedgecolor='black',                                                       # \u0426\u0432\u0435\u0442 \u043a\u043e\u043d\u0442\u0443\u0440\u0430 \u0442\u043e\u0447\u043a\u0438 \tlinewidth=.7                                                                 # \u0422\u043e\u043b\u0449\u0438\u043d\u0430 \u043a\u043e\u043d\u0442\u0443\u0440\u0430 \u0442\u043e\u0447\u043a\u0438 \talpha=.5                                                                      # \u041f\u0440\u043e\u0437\u0440\u0430\u0447\u043d\u043e\u0441\u0442\u044c \u0442\u043e\u0447\u043a\u0438 )  bar = plt.colorbar(                                                          # \u041f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u0435 \u0448\u043a\u0430\u043b\u044b BPM \t\t\torientation='horizontal',                                            # \u041e\u0440\u0438\u0435\u043d\u0442\u0430\u0446\u0438\u044f \u0448\u043a\u0430\u043b\u044b \t\t\tshrink=0.8,                                                               # \u041c\u0430\u0441\u0448\u0442\u0430\u0431 \u0448\u043a\u0430\u043b\u044b \t\t\textend='both',                                                           # \u0421\u043a\u043e\u0441 \u043a\u0440\u0430\u0451\u0432 \u0448\u043a\u0430\u043b\u044b \t\t\textendfrac=.1                                                           # \u0423\u0433\u043e\u043b \u0441\u043a\u043e\u0441\u0430 \u043a\u0440\u0430\u0451\u0432 )  bar.set_label('\u0428\u043a\u0430\u043b\u0430 \u0443\u0434\u0430\u0440\u043e\u0432 \u0432 \u043c\u0438\u043d\u0443\u0442\u0443', fontsize=18)   # \u041f\u043e\u0434\u043f\u0438\u0441\u044c \u0448\u043a\u0430\u043b\u044b  plt.title('\u041f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u043e\u0441\u0442\u044c \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 '                                  # \u0417\u0430\u0433\u043e\u043b\u043e\u0432\u043e\u043a \u0433\u0440\u0430\u0444\u0438\u043a\u0430 \t\t  '\u0438\u0441\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u044f \u0432 Chillout', fontsize=25)  plt.xlabel('BPM', fontsize=18)                                          # \u041e\u0441\u044c \u0430\u0431\u0441\u0446\u0438\u0441\u0441 plt.ylabel('\u0413\u043e\u0434 \u0440\u0435\u043b\u0438\u0437\u0430', fontsize=18)                               # \u041e\u0441\u044c \u043e\u0440\u0434\u0438\u043d\u0430\u0442  plt.tight_layout()                                                               # \u041d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0430 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u043f\u043e\u0434\u0437\u0430\u0433\u043e\u043b\u043e\u0432\u043a\u043e\u0432 \u0432 \u043e\u0431\u043b\u0430\u0441\u0442\u0438 \u043e\u0442\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u044f plt.show()                                                     \t\t\t\t\t\t\t\t\t   # \u0412\u044b\u0432\u043e\u0434 \u043d\u0430 \u044d\u043a\u0440\u0430\u043d<\/code><\/pre>\n<\/div>\n<\/details>\n
\"\u0421\u0430\u043c\u044b\u0439
\u0421\u0430\u043c\u044b\u0439 \u043f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u044b\u0439 \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d: 80-100<\/figcaption><\/figure>\n
\n\u00ab\u041a\u043e\u0434 \u0433\u0438\u0441\u0442\u043e\u0433\u0440\u0430\u043c\u043c\u044b \u0431\u0435\u0437 \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u0435\u0432\u00bb<\/summary>\n
\n
import pandas as pd from matplotlib import pyplot as plt from collections import Counter  plt.style.use(\"fivethirtyeight\")  data_set = pd.read_csv('Chillout end.csv') index = data_set['number'] ranges = data_set['bpm_range']  counter = Counter() for index in ranges: \tcounter.update(index.split(';'))  range_bpm = [] value = []  for item in counter.most_common(100): \trange_bpm.append(item[0]) \tvalue.append(item[1])  range_bpm.reverse() value.reverse()  plt.barh( \trange_bpm, value, \tlinewidth=.5, \tedgecolor='black', \tcolor='#e85b45', \tlabel='\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0442\u043e\u0447\u0435\u043a \u043d\u0430 \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0435\u043c \u0433\u0440\u0430\u0444\u0438\u043a\u0435' )  plt.legend()  plt.title('\u041f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u043e\u0441\u0442\u044c \u0438\u043d\u0442\u0435\u0440\u0432\u0430\u043b\u0430 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0439 BPM \u0432 Chillout', fontsize=25) plt.xlabel('\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u0435\u0441\u0435\u043d \u0432 \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u0435 BPM', fontsize=18) plt.ylabel('\u0414\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u044b BPM', fontsize=18)  plt.tight_layout() plt.show()<\/code><\/pre>\n<\/div>\n<\/details>\n
\n
8: EDM<\/h2>\n
\u0412\u044b\u0431\u043e\u0440\u043a\u0430 \u0432\u0437\u044f\u0442\u0430 \u0437\u0434\u0435\u0441\u044c: edmcharts.net<\/a> 
\u0421\u0430\u043c CSV-DataSet: github.com\/EDM.csv<\/a><\/p>\n
\u0417\u0434\u0435\u0441\u044c \u0442\u0430\u043a\u0436\u0435 \u0434\u043b\u044f \u043d\u0430\u0433\u043b\u044f\u0434\u043d\u043e\u0441\u0442\u0438 \u043f\u0440\u0438\u0448\u043b\u043e\u0441\u044c \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0442\u043e\u0447\u043a\u0438 \u0435\u0449\u0451 \u0431\u043e\u043b\u0435\u0435 \u043f\u0440\u043e\u0437\u0440\u0430\u0447\u043d\u044b\u043c\u0438. \u0415\u0441\u043b\u0438 \u043a\u0442\u043e-\u0442\u043e \u0437\u043d\u0430\u0435\u0442, \u043a\u0430\u043a \u0438\u0441\u043f\u0440\u0430\u0432\u0438\u0442\u044c \u0434\u0435\u0444\u0435\u043a\u0442 \u043d\u0430\u043b\u043e\u0436\u0435\u043d\u0438\u044f, \u043f\u0440\u043e\u0448\u0443 \u043d\u0430\u043f\u0438\u0441\u0430\u0442\u044c \u0432 \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u044f\u0445.<\/p>\n
\"\u0414\u043e\u0432\u043e\u043b\u044c\u043d\u043e
\u0414\u043e\u0432\u043e\u043b\u044c\u043d\u043e \u043e\u0434\u043d\u043e\u0437\u043d\u0430\u0447\u043d\u043e \u0432\u044b\u0448\u043b\u043e…<\/figcaption><\/figure>\n
\n\u00ab\u041a\u043e\u0434 \u0442\u043e\u0447\u0435\u0447\u043d\u043e\u0439 \u0434\u0438\u0430\u0433\u0440\u0430\u043c\u043c\u044b \u0441 \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u044f\u043c\u0438\u00bb<\/summary>\n
\n
from matplotlib import pyplot as plt                              # \u041f\u0435\u0440\u0432\u044b\u0439 \u043a\u0430\u043d\u043e\u043d\u0438\u0447\u043d\u044b\u0439 \u0438\u043c\u043f\u043e\u0440\u0442 import pandas as pd                                                    # \u0412\u0442\u043e\u0440\u043e\u0439 \u043a\u0430\u043d\u043e\u043d\u0438\u0447\u043d\u044b\u0439 \u0438\u043c\u043f\u043e\u0440\u0442 \u0434\u043b\u044f \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 DataSet'\u0430  plt.style.use('fivethirtyeight')                                         # \u041d\u0430\u0437\u043d\u0430\u0447\u0430\u0435\u043c \u0441\u0442\u0438\u043b\u0438\u0441\u0442\u0438\u043a\u0443 \u0432\u0438\u0437\u0443\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438  data_set = pd.read_csv('EDM.csv')                             # \u0421\u0447\u0438\u0442\u044b\u0432\u0430\u0435\u043c \u0434\u0430\u043d\u043d\u044b\u0435 SCV-\u0444\u0430\u0439\u043b\u0430 \u0441 DataSet'\u043e\u043c bpm = data_set['bpm']                                                  # \u041f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u0430\u044f, \u0434\u043b\u044f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430 BPM \u0432 \u043a\u0430\u0436\u0434\u043e\u0439 \u0441\u0442\u0440\u043e\u043a\u0435 year = data_set['year']                                                  # \u041f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u0430\u044f, \u0434\u043b\u044f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430 \"\u0433\u043e\u0434 \u0440\u0435\u043b\u0438\u0437\u0430\" \u0432 \u043a\u0430\u0436\u0434\u043e\u0439 \u0441\u0442\u0440\u043e\u043a\u0435  plt.scatter(                                                                     # \u041f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u0435 \u0442\u043e\u0447\u0435\u0447\u043d\u043e\u0433\u043e \u0433\u0440\u0430\u0444\u0438\u043a\u0430 \u0438 \u0435\u0433\u043e \u043d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0430 \tbpm, year,                                                                   # \u0414\u0430\u043d\u043d\u044b\u0435 \u0434\u043b\u044f \u043e\u0441\u0435\u0439 \u00abx\u00bb \u0438 \u00aby\u00bb \tc=bpm,                                                                        # \u041f\u0440\u0438\u0432\u044f\u0437\u043a\u0430 \u0446\u0432\u0435\u0442\u0430 \u043a \u043d\u0443\u0436\u043d\u043e\u0439 \u043e\u0441\u0438 \ts=bpm*1.5,                                                                  # \u0417\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u044c \u0440\u0430\u0437\u043c\u0435\u0440\u0430 \u0442\u043e\u0447\u043a\u0438 \tcmap='gist_heat',                                                        # \u0426\u0432\u0435\u0442\u043e\u0432\u0430\u044f \u043a\u0430\u0440\u0442\u0430 \u0433\u0440\u0430\u0444\u0438\u043a\u0430 \tedgecolor='black',                                                       # \u0426\u0432\u0435\u0442 \u043a\u043e\u043d\u0442\u0443\u0440\u0430 \u0442\u043e\u0447\u043a\u0438 \tlinewidth=.7                                                                 # \u0422\u043e\u043b\u0449\u0438\u043d\u0430 \u043a\u043e\u043d\u0442\u0443\u0440\u0430 \u0442\u043e\u0447\u043a\u0438 \talpha=.2                                                                      # \u041f\u0440\u043e\u0437\u0440\u0430\u0447\u043d\u043e\u0441\u0442\u044c \u0442\u043e\u0447\u043a\u0438 )  bar = plt.colorbar(                                                          # \u041f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u0435 \u0448\u043a\u0430\u043b\u044b BPM \t\t\torientation='horizontal',                                            # \u041e\u0440\u0438\u0435\u043d\u0442\u0430\u0446\u0438\u044f \u0448\u043a\u0430\u043b\u044b \t\t\tshrink=0.8,                                                               # \u041c\u0430\u0441\u0448\u0442\u0430\u0431 \u0448\u043a\u0430\u043b\u044b \t\t\textend='both',                                                           # \u0421\u043a\u043e\u0441 \u043a\u0440\u0430\u0451\u0432 \u0448\u043a\u0430\u043b\u044b \t\t\textendfrac=.1                                                           # \u0423\u0433\u043e\u043b \u0441\u043a\u043e\u0441\u0430 \u043a\u0440\u0430\u0451\u0432 )  bar.set_label('\u0428\u043a\u0430\u043b\u0430 \u0443\u0434\u0430\u0440\u043e\u0432 \u0432 \u043c\u0438\u043d\u0443\u0442\u0443', fontsize=18)   # \u041f\u043e\u0434\u043f\u0438\u0441\u044c \u0448\u043a\u0430\u043b\u044b  plt.title('\u041f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u043e\u0441\u0442\u044c \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 '                                  # \u0417\u0430\u0433\u043e\u043b\u043e\u0432\u043e\u043a \u0433\u0440\u0430\u0444\u0438\u043a\u0430 \t\t  '\u0438\u0441\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u044f \u0432 EDM', fontsize=25)  plt.xlabel('BPM', fontsize=18)                                          # \u041e\u0441\u044c \u0430\u0431\u0441\u0446\u0438\u0441\u0441 plt.ylabel('\u0413\u043e\u0434 \u0440\u0435\u043b\u0438\u0437\u0430', fontsize=18)                               # \u041e\u0441\u044c \u043e\u0440\u0434\u0438\u043d\u0430\u0442  plt.tight_layout()                                                               # \u041d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0430 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u043f\u043e\u0434\u0437\u0430\u0433\u043e\u043b\u043e\u0432\u043a\u043e\u0432 \u0432 \u043e\u0431\u043b\u0430\u0441\u0442\u0438 \u043e\u0442\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u044f plt.show()                                                     \t\t\t\t\t\t\t\t\t   # \u0412\u044b\u0432\u043e\u0434 \u043d\u0430 \u044d\u043a\u0440\u0430\u043d<\/code><\/pre>\n<\/div>\n<\/details>\n
\"\u0421\u0430\u043c\u044b\u0439
\u0421\u0430\u043c\u044b\u0439 \u043f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u044b\u0439 \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d: 120-140<\/figcaption><\/figure>\n
\n\u00ab\u041a\u043e\u0434 \u0433\u0438\u0441\u0442\u043e\u0433\u0440\u0430\u043c\u043c\u044b \u0431\u0435\u0437 \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u0435\u0432\u00bb<\/summary>\n
\n
import pandas as pd from matplotlib import pyplot as plt from collections import Counter  plt.style.use(\"fivethirtyeight\")  data_set = pd.read_csv('EDM end.csv') index = data_set['number'] ranges = data_set['bpm_range']  counter = Counter() for index in ranges: \tcounter.update(index.split(';'))  range_bpm = [] value = []  for item in counter.most_common(100): \trange_bpm.append(item[0]) \tvalue.append(item[1])  range_bpm.reverse() value.reverse()  plt.barh( \trange_bpm, value, \tlinewidth=.5, \tedgecolor='black', \tcolor='#e85b45', \tlabel='\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0442\u043e\u0447\u0435\u043a \u043d\u0430 \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0435\u043c \u0433\u0440\u0430\u0444\u0438\u043a\u0435' )  plt.legend()  plt.title('\u041f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u043e\u0441\u0442\u044c \u0438\u043d\u0442\u0435\u0440\u0432\u0430\u043b\u0430 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0439 BPM \u0432 EDM', fontsize=25) plt.xlabel('\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u0435\u0441\u0435\u043d \u0432 \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u0435 BPM', fontsize=18) plt.ylabel('\u0414\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u044b BPM', fontsize=18)  plt.tight_layout() plt.show()<\/code><\/pre>\n<\/div>\n<\/details>\n
\n
9: \u0417\u0430\u043a\u043b\u044e\u0447\u0435\u043d\u0438\u0435<\/h2>\n
\u0421\u0430\u043c\u044b\u043c \u043f\u0440\u043e\u0441\u0442\u044b\u043c \u0433\u0440\u0430\u0444\u0438\u043a\u043e\u043c \u0441\u0440\u0430\u0432\u043d\u0438\u043c \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u043e\u043f\u0430\u0434\u0430\u043d\u0438\u0439 \u0432 \u043a\u0430\u0436\u0434\u044b\u0439 \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d, \u043a\u043e\u043c\u043f\u043e\u0437\u0438\u0446\u0438\u0439, \u0438\u0437 \u0432\u0441\u0435\u0445 \u043f\u0440\u043e\u0430\u043d\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u0440\u0430\u043d\u0435\u0435 \u0436\u0430\u043d\u0440\u043e\u0432*.<\/em><\/p>\n
* \u0442\u0430\u043a\u0438\u0435 \u0436\u0430\u043d\u0440\u044b \u043a\u0430\u043a ethnic, ambient, folk, dubstep, reggae \u0438 \u0434\u0440, \u043d\u0435 \u0443\u0434\u0430\u043b\u043e\u0441\u044c \u043a \u0441\u043e\u0436\u0430\u043b\u0435\u043d\u0438\u044e \u0440\u0430\u0437\u043e\u0431\u0440\u0430\u0442\u044c \u0438\u0437-\u0437\u0430 \u043e\u0442\u0441\u0443\u0442\u0441\u0442\u0432\u0438\u044f \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0439 \u0432\u044b\u0431\u043e\u0440\u043a\u0438…<\/p>\n
<\/figcaption><\/figure>\n
<\/figcaption><\/figure>\n
\n
\n\n\n\n\n\n\n\n\n\n
\n
BPM\/\u041a\u043e\u043b-\u0432\u043e \u0442\u0440\u0435\u043a\u043e\u0432<\/strong><\/p>\n<\/td>\n
\n
<60<\/strong><\/p>\n<\/td>\n
\n
60-80<\/strong><\/p>\n<\/td>\n
\n
80-100<\/strong><\/p>\n<\/td>\n
\n
100-120<\/strong><\/p>\n<\/td>\n
\n
120-140<\/strong><\/p>\n<\/td>\n
\n
140-160<\/strong><\/p>\n<\/td>\n
\n
160-180<\/strong><\/p>\n<\/td>\n<\/tr>\n
\n
Blues<\/strong><\/p>\n<\/td>\n
\n
2<\/p>\n<\/td>\n
\n
9<\/p>\n<\/td>\n
\n
25<\/p>\n<\/td>\n
\n
35<\/p>\n<\/td>\n
\n
15<\/p>\n<\/td>\n
\n
6<\/p>\n<\/td>\n
\n
8<\/p>\n<\/td>\n<\/tr>\n
\n
Chillout<\/strong><\/p>\n<\/td>\n
\n<\/td>\n\n
11<\/p>\n<\/td>\n
\n
35<\/p>\n<\/td>\n
\n
18<\/p>\n<\/td>\n
\n
19<\/p>\n<\/td>\n
\n
12<\/p>\n<\/td>\n
\n
5<\/p>\n<\/td>\n<\/tr>\n
\n
EDM<\/strong><\/p>\n<\/td>\n
\n<\/td>\n\n
1<\/p>\n<\/td>\n
\n
3<\/p>\n<\/td>\n
\n
21<\/p>\n<\/td>\n
\n
67<\/p>\n<\/td>\n
\n
6<\/p>\n<\/td>\n
\n
2<\/p>\n<\/td>\n<\/tr>\n
\n
Rap<\/strong><\/p>\n<\/td>\n
\n<\/td>\n\n
5<\/p>\n<\/td>\n
\n
61<\/p>\n<\/td>\n
\n
20<\/p>\n<\/td>\n
\n
7<\/p>\n<\/td>\n
\n
4<\/p>\n<\/td>\n
\n
3<\/p>\n<\/td>\n<\/tr>\n
\n
Rock<\/strong><\/p>\n<\/td>\n
\n<\/td>\n\n
6<\/p>\n<\/td>\n
\n
20<\/p>\n<\/td>\n
\n
25<\/p>\n<\/td>\n
\n
27<\/p>\n<\/td>\n
\n
11<\/p>\n<\/td>\n
\n
11<\/p>\n<\/td>\n<\/tr>\n
\n
\u0418\u0442\u043e\u0433:<\/p>\n<\/td>\n
\n
2<\/p>\n<\/td>\n
\n
32<\/p>\n<\/td>\n
\n
144<\/p>\n<\/td>\n
\n
119<\/p>\n<\/td>\n
\n
135<\/p>\n<\/td>\n
\n
39<\/p>\n<\/td>\n
\n
29<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n
\n\u00ab\u041f\u0440\u043e\u0441\u0442\u043e\u0439 \u043a\u043e\u0434, \u043f\u0440\u043e\u0441\u0442\u043e\u0433\u043e \u0433\u0440\u0430\u0444\u0438\u043a\u0430\u00bb<\/summary>\n
\n
from matplotlib import pyplot as plt  plt.style.use('fivethirtyeight')  x = ['<60', '60-80', '80-100', '100-120', '120-140', '140-160', '160-180'] y = [2, 32, 144, 119, 135, 39, 29]  plt.plot(x, y, label='BPM', c='#e85b45') plt.legend()  plt.title('\u0421\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u0435 \u0432\u0441\u0435\u0445 \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u043e\u0432 BPM \u0432\u043e \u0432\u0441\u0435\u0445 \u0436\u0430\u043d\u0440\u0430\u0445', fontsize=25) plt.xlabel('\u0414\u0438\u0430\u043f\u0430\u0437\u043e\u043d BPM', fontsize=18) plt.ylabel('\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0442\u0440\u0435\u043a\u043e\u0432', fontsize=18)  plt.tight_layout()  plt.show()<\/code><\/pre>\n<\/div>\n<\/details>\n<\/div>\n
 \u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438  https:\/\/habr.com\/ru\/post\/544540\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"\n
\n
<\/figcaption><\/figure>\n
\u041d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043b\u0435\u0442 \u043d\u0430\u0437\u0430\u0434, \u0437\u0430\u043d\u0438\u043c\u0430\u043b\u0441\u044f \u0438\u0437\u0443\u0447\u0435\u043d\u0438\u0435\u043c \u0442\u0435\u043e\u0440\u0438\u0438 \u043c\u0443\u0437\u044b\u043a\u0438, \u043f\u0440\u043e\u0434\u0430\u0432\u0430\u043b \u0438 \u043f\u0438\u0441\u0430\u043b \u0430\u0443\u0434\u0438\u043e-\u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u0430\u043b \u0434\u043b\u044f \u0430\u0440\u0435\u043d\u0434\u044b \u0438\u043b\u0438 \u0437\u0430\u043a\u0430\u0437\u043e\u0432. \u0418\u0437\u043d\u0430\u0447\u0430\u043b\u044c\u043d\u043e, \u043f\u0440\u043e\u0446\u0435\u0441\u0441 \u044f\u0432\u043d\u043e \u0442\u0432\u043e\u0440\u0447\u0435\u0441\u043a\u0438\u0439, \u043d\u043e \u0432\u0441\u043a\u043e\u0440\u0435, \u043c\u043e\u0439 \u0438\u043d\u0442\u0435\u0440\u0435\u0441 \u043a \u043a\u043e\u043c\u043c\u0435\u0440\u0447\u0435\u0441\u043a\u043e\u0439 \u0447\u0430\u0441\u0442\u0438 \u043f\u0440\u0435\u0432\u044b\u0441\u0438\u043b \u0438 \u0432\u043e\u0437\u043d\u0438\u043a \u0432\u043e\u043f\u0440\u043e\u0441: \u00ab\u0412 \u043a\u0430\u043a\u043e\u043c \u0436\u0435 \u0442\u0435\u043c\u043f\u0435 \u0441\u043e\u0437\u0434\u0430\u0432\u0430\u0442\u044c \u0440\u0438\u0442\u043c \u043c\u0443\u0437\u044b\u043a\u0438?\u00bb.<\/p>\n
\u041c\u043d\u043e\u044e \u0431\u044b\u043b\u0430 \u0437\u0430\u043c\u0435\u0447\u0435\u043d\u0430 \u0442\u0435\u043d\u0434\u0435\u043d\u0446\u0438\u044f \u0432\u0430\u0440\u0438\u0430\u0446\u0438\u0439 \u0442\u0435\u043c\u043f\u0430 \u043f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u044b\u0445 \u043f\u0435\u0441\u0435\u043d \u043e\u0434\u043d\u043e\u0433\u043e \u0436\u0430\u043d\u0440\u0430, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0438\u0434\u0435\u044f \u0430\u043d\u0430\u043b\u0438\u0437\u0430 \u043a\u0440\u0443\u043f\u043d\u043e\u0439 \u0432\u044b\u0431\u043e\u0440\u043a\u0438 \u043b\u0443\u0447\u0448\u0438\u0445 \u043a\u043e\u043c\u043f\u043e\u0437\u0438\u0446\u0438\u0439, \u0434\u043b\u044f \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u044f \u043f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u043e\u0433\u043e [\u0447\u0430\u0441\u0442\u043e: \u0441\u0430\u043c\u043e\u0433\u043e \u043f\u0440\u043e\u0434\u0430\u0432\u0430\u0435\u043c\u043e\u0433\u043e] \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u0430 \u0442\u0435\u043c\u043f\u0430 \u0438\u0441\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u044f<\/abbr>, \u043d\u0435 \u043f\u043e\u043a\u0438\u0434\u0430\u043b\u0430 \u0441 \u0442\u0435\u0445 \u043f\u043e\u0440\u2026<\/p>\n
\n
BPM<\/strong> [\u0432 \u043c\u0443\u0437\u044b\u043a\u0435] \u2014 \u043f\u043e\u043a\u0430\u0437\u0430\u0442\u0435\u043b\u044c, \u0434\u043b\u044f \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u0438\u044f \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 \u0438\u0441\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u044f \u043a\u043e\u043c\u043f\u043e\u0437\u0438\u0446\u0438\u0438, \u043f\u0443\u0442\u0451\u043c \u0438\u0437\u043c\u0435\u0440\u0435\u043d\u0438\u044f \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0430 \u0442\u0430\u043a\u0442\u043e\u0432\u044b\u0445 \u0434\u043e\u043b\u0435\u0439 \u0432 \u043c\u0438\u043d\u0443\u0442\u0443.<\/p>\n<\/blockquote>\n
\n
1: \u041f\u0440\u043e\u043b\u043e\u0433<\/h2>\n
\u0423\u0441\u0442\u0430\u043d\u0430\u0432\u043b\u0438\u0432\u0430\u0435\u043c \u00abMatplotlib\u00bb \u0438 \u00abPandas\u00bb \u0441 \u043d\u0435\u043e\u0431\u0445\u043e\u0434\u0438\u043c\u044b\u043c\u0438 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u044f\u043c\u0438 \u0447\u0435\u0440\u0435\u0437 pip-\u043c\u0435\u043d\u0435\u0434\u0436\u0435\u0440 \u0432 \u043a\u043e\u043d\u0441\u043e\u043b\u0438\/\u0442\u0435\u0440\u043c\u0438\u043d\u0430\u043b\u0435.<\/p>\n
\u00abpython -m pip install -V matplotlib\u00bb \u0438 \u00abpip install pandas\u00bb<\/figcaption><\/figure>\n
\u0421\u043e\u0437\u0434\u0430\u0451\u043c \u0434\u0438\u0440\u0435\u043a\u0442\u043e\u0440\u0438\u044e, \u0430 \u043f\u043e\u0442\u043e\u043c \u0432\u0438\u0440\u0442\u0443\u0430\u043b\u044c\u043d\u043e\u0435 \u043e\u043a\u0440\u0443\u0436\u0435\u043d\u0438\u0435 \u0434\u043b\u044f \u043f\u0440\u043e\u0435\u043a\u0442\u0430. \u041f\u043e\u0441\u043b\u0435, \u043f\u043e\u0434\u043a\u043b\u044e\u0447\u0430\u0435\u043c \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0438 \u0432 IDE [\u0432 \u043c\u043e\u0451\u043c \u0441\u043b\u0443\u0447\u0430\u0435: PyCharm].<\/p>\n
File \u2014 Settings \u2014 Project: […] \u2014 Python Interpreter<\/figcaption><\/figure>\n
\n
2: BPM<\/h2>\n
BPM \u0431\u0443\u0434\u0435\u043c \u0432\u044b\u0447\u0438\u0441\u043b\u044f\u0442\u044c \u0447\u0435\u0440\u0435\u0437 \u0444\u0443\u043d\u043a\u0446\u0438\u044e \u00abDetect tempo\u00bb \u0432 FL Studio \u0438 \u0447\u0435\u0440\u0435\u0437 \u0441\u0430\u0439\u0442 tunebat.com<\/p>\n
\u041f\u041a\u041c \u043f\u043e \u0432\u0435\u0440\u0445\u043d\u0435\u0439 \u043b\u0435\u0432\u043e\u0439 \u0438\u043a\u043e\u043d\u043a\u0435 \u043d\u0430 \u0437\u0432\u0443\u043a\u043e\u0432\u043e\u0439 \u0434\u043e\u0440\u043e\u0436\u043a\u0435 \u2014 Detect tempo \u2014 \u0412\u044b\u0431\u0440\u0430\u0442\u044c \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d<\/figcaption><\/figure>\n
\n
3: DataSet<\/h2>\n
\u041d\u0430\u0447\u0438\u043d\u0430\u0435\u043c \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u0435 DataSet\u2019\u0430 [\u0432\u044b\u0431\u043e\u0440\u043a\u0438-\u043a\u043e\u043b\u043b\u0435\u043a\u0446\u0438\u0438 \u0434\u0430\u043d\u043d\u044b\u0445] \u0432 Excel, \u0434\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0436\u0430\u043d\u0440\u0430. \u042d\u043a\u0441\u043f\u043e\u0440\u0442\u0438\u0440\u0443\u0435\u043c \u0432 CSV-\u0444\u043e\u0440\u043c\u0430\u0442 \u0441 \u043d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0430\u043c\u0438 \u0440\u0430\u0437\u0434\u0435\u043b\u0438\u0442\u0435\u043b\u044f \u2014 \u0437\u0430\u043f\u044f\u0442\u043e\u0439. \u0421\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0435 CSV-\u0444\u0430\u0439\u043b\u044b \u0441\u043e\u0437\u0434\u0430\u0432\u0430\u043b \u0432 IDE, \u0442\u0430\u043a \u0443\u0434\u043e\u0431\u043d\u0435\u0435. \u0412\u044b\u0431\u043e\u0440\u043a\u0438 \u043f\u0435\u0440\u0435\u043c\u0435\u0449\u0430\u0435\u043c \u0432 \u0434\u0438\u0440\u0435\u043a\u0442\u043e\u0440\u0438\u044e, \u0433\u0434\u0435 \u043d\u0430\u0445\u043e\u0434\u0438\u0442\u0441\u044f \u0444\u0430\u0439\u043b \u0441\u0430\u043c\u043e\u0439 \u043f\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u044b.<\/p>\n
\u0412 \u043f\u0435\u0440\u0432\u043e\u0439 \u0441\u0442\u0440\u043e\u043a\u0435 CSV-\u0444\u0430\u0439\u043b\u043e\u0432 \u0443\u043a\u0430\u0437\u044b\u0432\u0430\u044e\u0442\u0441\u044f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0440\u0430\u0437\u0434\u0435\u043b\u044f\u044e\u0442\u0441\u044f \u0437\u0430\u043f\u044f\u0442\u044b\u043c\u0438. \u0421\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0435 \u0441\u0442\u0440\u043e\u043a\u0438 \u0441\u043e\u0434\u0435\u0440\u0436\u0430\u0442 \u0443\u0436\u0435 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f \u044d\u0442\u0438\u0445 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432. \u041f\u0440\u0438 \u043e\u043a\u043e\u043d\u0447\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0439 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0435, DataSet \u0434\u043e\u043b\u0436\u0435\u043d \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u043e \u0441\u043e\u0434\u0435\u0440\u0436\u0430\u0442\u044c \u0434\u0430\u043d\u043d\u044b\u0435: \u043d\u0430\u0437\u0432\u0430\u043d\u0438\u044f \u0442\u0440\u0435\u043a\u0430, BPM \u0438 \u0433\u043e\u0434 \u0432\u044b\u0445\u043e\u0434\u0430 \u043a\u043e\u043c\u043f\u043e\u0437\u0438\u0446\u0438\u0438. \u0411\u0443\u0434\u0435\u043c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044e \u0432\u044b\u0431\u043e\u0440\u043a\u0438 \u0432 \u0441\u0442\u043e \u043f\u0435\u0441\u0435\u043d, \u0434\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0436\u0430\u043d\u0440\u0430 \u0438\u0437 \u0432\u044b\u0431\u0440\u0430\u043d\u043d\u044b\u0445 \u043f\u044f\u0442\u0438.<\/p>\n
\u041f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b: \u00abname\u00bb \u2014 \u043d\u0430\u0437\u0432\u0430\u043d\u0438\u0435 \u0442\u0440\u0435\u043a\u0430; \u00abbpm\u00bb \u2014 \u0442\u0435\u043c\u043f; \u00abyear\u00bb \u2014 \u0433\u043e\u0434 \u0440\u0435\u043b\u0438\u0437\u0430<\/figcaption><\/figure>\n
\n
4: Rap \u2014 \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u0435 \u0442\u043e\u0447\u0435\u0447\u043d\u043e\u0439 \u0434\u0438\u0430\u0433\u0440\u0430\u043c\u043c\u044b \u0438 \u0433\u0438\u0441\u0442\u043e\u0433\u0440\u0430\u043c\u043c\u044b<\/h2>\n
\u0412\u044b\u0431\u043e\u0440\u043a\u0430 \u0432\u0437\u044f\u0442\u0430 \u0437\u0434\u0435\u0441\u044c: rollingstone.com\/100-greatest-hip-hop-songs-of-all-time<\/a>
\u0421\u0430\u043c CSV-DataSet: github.com\/Rap.csv<\/a><\/p>\n
\u041d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438 DataSet’\u0430, \u0441\u043e\u0437\u0434\u0430\u0451\u043c \u0442\u043e\u0447\u0435\u0447\u043d\u0443\u044e \u0434\u0438\u0430\u0433\u0440\u0430\u043c\u043c\u0443 [Scatter Plots] \u0434\u043b\u044f \u0438\u0437\u0443\u0447\u0435\u043d\u0438\u044f \u0432\u0437\u0430\u0438\u043c\u043e\u0441\u0432\u044f\u0437\u0438 \u043c\u0435\u0436\u0434\u0443 BPM \u0438 \u0433\u043e\u0434\u043e\u043c \u0432\u044b\u043f\u0443\u0441\u043a\u0430, \u0430 \u0442\u0430\u043a\u0436\u0435 \u0434\u043b\u044f \u043e\u0442\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u044f \u043a\u043e\u043d\u0446\u0435\u043d\u0442\u0440\u0430\u0446\u0438\u0439 \u043f\u0440\u0438 \u0440\u0430\u043d\u0436\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0438 \u0434\u0430\u043d\u043d\u044b\u0445.<\/p>\n
\u0412\u0438\u0434\u043d\u043e, \u0447\u0442\u043e \u0441 1980 \u043f\u043e 2005 \u0433\u0433. \u043e\u0441\u043d\u043e\u0432\u043d\u044b\u043c \u0442\u0435\u043c\u043f\u043e\u043c \u0431\u044b\u043b \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d \u0432 90-105 BPM<\/figcaption><\/figure>\n
\n\u00ab\u041a\u043e\u0434 \u0442\u043e\u0447\u0435\u0447\u043d\u043e\u0439 \u0434\u0438\u0430\u0433\u0440\u0430\u043c\u043c\u044b \u0441 \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u044f\u043c\u0438\u00bb<\/summary>\n
\n
from matplotlib import pyplot as plt                              # \u041f\u0435\u0440\u0432\u044b\u0439 \u043a\u0430\u043d\u043e\u043d\u0438\u0447\u043d\u044b\u0439 \u0438\u043c\u043f\u043e\u0440\u0442 import pandas as pd                                                    # \u0412\u0442\u043e\u0440\u043e\u0439 \u043a\u0430\u043d\u043e\u043d\u0438\u0447\u043d\u044b\u0439 \u0438\u043c\u043f\u043e\u0440\u0442 \u0434\u043b\u044f \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 DataSet'\u0430  plt.style.use('fivethirtyeight')                                         # \u041d\u0430\u0437\u043d\u0430\u0447\u0430\u0435\u043c \u0441\u0442\u0438\u043b\u0438\u0441\u0442\u0438\u043a\u0443 \u0432\u0438\u0437\u0443\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438  data_set = pd.read_csv('Rap.csv')                               # \u0421\u0447\u0438\u0442\u044b\u0432\u0430\u0435\u043c \u0434\u0430\u043d\u043d\u044b\u0435 SCV-\u0444\u0430\u0439\u043b\u0430 \u0441 DataSet'\u043e\u043c bpm = data_set['bpm']                                                  # \u041f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u0430\u044f, \u0434\u043b\u044f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430 BPM \u0432 \u043a\u0430\u0436\u0434\u043e\u0439 \u0441\u0442\u0440\u043e\u043a\u0435 year = data_set['year']                                                  # \u041f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u0430\u044f, \u0434\u043b\u044f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430 \"\u0433\u043e\u0434 \u0440\u0435\u043b\u0438\u0437\u0430\" \u0432 \u043a\u0430\u0436\u0434\u043e\u0439 \u0441\u0442\u0440\u043e\u043a\u0435  plt.scatter(                                                                     # \u041f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u0435 \u0442\u043e\u0447\u0435\u0447\u043d\u043e\u0433\u043e \u0433\u0440\u0430\u0444\u0438\u043a\u0430 \u0438 \u0435\u0433\u043e \u043d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0430 \tbpm, year,                                                                   # \u0414\u0430\u043d\u043d\u044b\u0435 \u0434\u043b\u044f \u043e\u0441\u0435\u0439 \u00abx\u00bb \u0438 \u00aby\u00bb \tc=bpm,                                                                        # \u041f\u0440\u0438\u0432\u044f\u0437\u043a\u0430 \u0446\u0432\u0435\u0442\u0430 \u043a \u043d\u0443\u0436\u043d\u043e\u0439 \u043e\u0441\u0438 \ts=bpm*1.5,                                                                  # \u0417\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u044c \u0440\u0430\u0437\u043c\u0435\u0440\u0430 \u0442\u043e\u0447\u043a\u0438 \tcmap='gist_heat',                                                        # \u0426\u0432\u0435\u0442\u043e\u0432\u0430\u044f \u043a\u0430\u0440\u0442\u0430 \u0433\u0440\u0430\u0444\u0438\u043a\u0430 \tedgecolor='black',                                                       # \u0426\u0432\u0435\u0442 \u043a\u043e\u043d\u0442\u0443\u0440\u0430 \u0442\u043e\u0447\u043a\u0438 \tlinewidth=.7                                                                 # \u0422\u043e\u043b\u0449\u0438\u043d\u0430 \u043a\u043e\u043d\u0442\u0443\u0440\u0430 \u0442\u043e\u0447\u043a\u0438 )  bar = plt.colorbar(                                                          # \u041f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u0435 \u0448\u043a\u0430\u043b\u044b BPM \t\t\torientation='horizontal',                                            # \u041e\u0440\u0438\u0435\u043d\u0442\u0430\u0446\u0438\u044f \u0448\u043a\u0430\u043b\u044b \t\t\tshrink=0.8,                                                               # \u041c\u0430\u0441\u0448\u0442\u0430\u0431 \u0448\u043a\u0430\u043b\u044b \t\t\textend='both',                                                           # \u0421\u043a\u043e\u0441 \u043a\u0440\u0430\u0451\u0432 \u0448\u043a\u0430\u043b\u044b \t\t\textendfrac=.1                                                           # \u0423\u0433\u043e\u043b \u0441\u043a\u043e\u0441\u0430 \u043a\u0440\u0430\u0451\u0432 )  bar.set_label('\u0428\u043a\u0430\u043b\u0430 \u0443\u0434\u0430\u0440\u043e\u0432 \u0432 \u043c\u0438\u043d\u0443\u0442\u0443', fontsize=18)   # \u041f\u043e\u0434\u043f\u0438\u0441\u044c \u0448\u043a\u0430\u043b\u044b  plt.title('\u041f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u043e\u0441\u0442\u044c \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 '                                  # \u0417\u0430\u0433\u043e\u043b\u043e\u0432\u043e\u043a \u0433\u0440\u0430\u0444\u0438\u043a\u0430 \t\t  '\u0438\u0441\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u044f \u0432 Rap\\'\u0435 ', fontsize=25)  plt.xlabel('BPM', fontsize=18)                                         # \u041e\u0441\u044c \u0430\u0431\u0441\u0446\u0438\u0441\u0441 plt.ylabel('\u0413\u043e\u0434 \u0440\u0435\u043b\u0438\u0437\u0430', fontsize=18)                               # \u041e\u0441\u044c \u043e\u0440\u0434\u0438\u043d\u0430\u0442  plt.tight_layout()                                                              # \u041d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0430 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u043f\u043e\u0434\u0437\u0430\u0433\u043e\u043b\u043e\u0432\u043a\u043e\u0432 \u0432 \u043e\u0431\u043b\u0430\u0441\u0442\u0438 \u043e\u0442\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u044f plt.show()                                                                        # \u0412\u044b\u0432\u043e\u0434 \u043d\u0430 \u044d\u043a\u0440\u0430\u043d<\/code><\/pre>\n<\/div>\n<\/details>\n
\u0415\u0441\u043b\u0438 \u0434\u0438\u0430\u0433\u0440\u0430\u043c\u043c\u0430 \u043e\u0442\u0440\u0430\u0436\u0430\u0435\u0442 \u0442\u043e\u0447\u0435\u0447\u043d\u043e\u0435 \u043f\u043e\u043b\u043e\u0436\u0435\u043d\u0438\u0435 \u0442\u0440\u0435\u043a\u0430 \u0432 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0438 \u0434\u0432\u0443\u0445 \u043f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u044b\u0445, \u2014 BPM \u0438 \u0433\u043e\u0434\u0430 \u0440\u0435\u043b\u0438\u0437\u0430, \u2014 \u0442\u043e \u0433\u0438\u0441\u0442\u043e\u0433\u0440\u0430\u043c\u043c\u0430 \u043f\u043e\u043a\u0430\u0436\u0435\u0442 \u0447\u0430\u0441\u0442\u043e\u0442\u0443-\u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u043e\u043f\u0430\u0434\u0430\u043d\u0438\u0439 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f BPM \u0434\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u0430 \u043d\u0430 \u0448\u043a\u0430\u043b\u0435. \u0422\u0430\u043a\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c, \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0438\u0442\u0441\u044f \u043f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u043e\u0441\u0442\u044c \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u043d\u043e\u0433\u043e \u0442\u0435\u043c\u043f\u0430.<\/p>\n
\u0421\u0430\u043c\u044b\u0439 \u043f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u044b\u0439 \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d: 80-100 BPM<\/figcaption><\/figure>\n
\n\u00ab\u041a\u043e\u0434 \u0433\u0438\u0441\u0442\u043e\u0433\u0440\u0430\u043c\u043c\u044b \u0431\u0435\u0437 \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u0435\u0432\u00bb<\/summary>\n
\n
import pandas as pd from matplotlib import pyplot as plt from collections import Counter  plt.style.use(\"fivethirtyeight\")  data_set = pd.read_csv('Rap end.csv') index = data_set['number'] ranges = data_set['bpm_range']  counter = Counter() for index in ranges: \tcounter.update(index.split(';'))  range_bpm = [] value = []  for item in counter.most_common(100): \trange_bpm.append(item[0]) \tvalue.append(item[1])  range_bpm.reverse() value.reverse()  plt.barh( \trange_bpm, value, \tlinewidth=.5, \tedgecolor='black', \tcolor='#e85b45', \tlabel='\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0442\u043e\u0447\u0435\u043a \u043d\u0430 \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0435\u043c \u0433\u0440\u0430\u0444\u0438\u043a\u0435' )  plt.legend()  plt.title('\u041f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u043e\u0441\u0442\u044c \u0438\u043d\u0442\u0435\u0440\u0432\u0430\u043b\u0430 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0439 BPM \u0432 rap\\'\u0435', fontsize=25) plt.xlabel('\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u0435\u0441\u0435\u043d \u0432 \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u0435 BPM', fontsize=18) plt.ylabel('\u0414\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u044b BPM', fontsize=18)  plt.tight_layout() plt.show()<\/code><\/pre>\n<\/div>\n<\/details>\n
\n
5: \u0420\u043e\u043a<\/h2>\n
\u0412\u044b\u0431\u043e\u0440\u043a\u0430 \u0432\u0437\u044f\u0442\u0430 \u0437\u0434\u0435\u0441\u044c: rockfm.ru\/top100<\/a>
\u0421\u0430\u043c CSV-DataSet: github.com\/Rock.csv<\/a><\/p>\n
\u041e\u0434\u043d\u043e\u0437\u043d\u0430\u0447\u043d\u043e\u0441\u0442\u0438 \u043f\u043e\u043a\u0430 \u0447\u0442\u043e \u043d\u0435\u0442, \u2014 \u043e\u0441\u043e\u0431\u0435\u043d\u043d\u043e\u0441\u0442\u044c \u0436\u0430\u043d\u0440\u0430. \u2014 \u043f\u043e\u044d\u0442\u043e\u043c\u0443, \u0432\u0442\u043e\u0440\u043e\u0439 \u0433\u0440\u0430\u0444\u0438\u043a \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d \u043f\u0440\u0438 \u043e\u043a\u0440\u0443\u0433\u043b\u0435\u043d\u0438\u0438 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430 \u00abyear\/\u0433\u043e\u0434 \u0432\u044b\u0445\u043e\u0434\u0430 \u043a\u043e\u043c\u043f\u043e\u0437\u0438\u0446\u0438\u0438\u00bb.<\/p>\n
<\/figcaption><\/figure>\n
\n\u00ab\u041a\u043e\u0434 \u0442\u043e\u0447\u0435\u0447\u043d\u043e\u0439 \u0434\u0438\u0430\u0433\u0440\u0430\u043c\u043c\u044b \u0441 \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u044f\u043c\u0438\u00bb<\/summary>\n
\n
from matplotlib import pyplot as plt                              # \u041f\u0435\u0440\u0432\u044b\u0439 \u043a\u0430\u043d\u043e\u043d\u0438\u0447\u043d\u044b\u0439 \u0438\u043c\u043f\u043e\u0440\u0442 import pandas as pd                                                    # \u0412\u0442\u043e\u0440\u043e\u0439 \u043a\u0430\u043d\u043e\u043d\u0438\u0447\u043d\u044b\u0439 \u0438\u043c\u043f\u043e\u0440\u0442 \u0434\u043b\u044f \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 DataSet'\u0430  plt.style.use('fivethirtyeight')                                         # \u041d\u0430\u0437\u043d\u0430\u0447\u0430\u0435\u043c \u0441\u0442\u0438\u043b\u0438\u0441\u0442\u0438\u043a\u0443 \u0432\u0438\u0437\u0443\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438  data_set = pd.read_csv('Rock.csv')                             # \u0421\u0447\u0438\u0442\u044b\u0432\u0430\u0435\u043c \u0434\u0430\u043d\u043d\u044b\u0435 SCV-\u0444\u0430\u0439\u043b\u0430 \u0441 DataSet'\u043e\u043c bpm = data_set['bpm']                                                  # \u041f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u0430\u044f, \u0434\u043b\u044f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430 BPM \u0432 \u043a\u0430\u0436\u0434\u043e\u0439 \u0441\u0442\u0440\u043e\u043a\u0435 year = data_set['year']                                                  # \u041f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u0430\u044f, \u0434\u043b\u044f \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430 \"\u0433\u043e\u0434 \u0440\u0435\u043b\u0438\u0437\u0430\" \u0432 \u043a\u0430\u0436\u0434\u043e\u0439 \u0441\u0442\u0440\u043e\u043a\u0435  plt.scatter(                                                                     # \u041f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u0435 \u0442\u043e\u0447\u0435\u0447\u043d\u043e\u0433\u043e \u0433\u0440\u0430\u0444\u0438\u043a\u0430 \u0438 \u0435\u0433\u043e \u043d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0430 \tbpm, year,                                                                   # \u0414\u0430\u043d\u043d\u044b\u0435 \u0434\u043b\u044f \u043e\u0441\u0435\u0439 \u00abx\u00bb \u0438 \u00aby\u00bb \tc=bpm,                                                                        # \u041f\u0440\u0438\u0432\u044f\u0437\u043a\u0430 \u0446\u0432\u0435\u0442\u0430 \u043a \u043d\u0443\u0436\u043d\u043e\u0439 \u043e\u0441\u0438 \ts=bpm*1.5,                                                                  # \u0417\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u044c \u0440\u0430\u0437\u043c\u0435\u0440\u0430 \u0442\u043e\u0447\u043a\u0438 \tcmap='gist_heat',                                                        # \u0426\u0432\u0435\u0442\u043e\u0432\u0430\u044f \u043a\u0430\u0440\u0442\u0430 \u0433\u0440\u0430\u0444\u0438\u043a\u0430 \tedgecolor='black',                                                       # \u0426\u0432\u0435\u0442 \u043a\u043e\u043d\u0442\u0443\u0440\u0430 \u0442\u043e\u0447\u043a\u0438 \tlinewidth=.7                                                                 # \u0422\u043e\u043b\u0449\u0438\u043d\u0430 \u043a\u043e\u043d\u0442\u0443\u0440\u0430 \u0442\u043e\u0447\u043a\u0438 \talpha=.7                                                                      # \u041f\u0440\u043e\u0437\u0440\u0430\u0447\u043d\u043e\u0441\u0442\u044c \u0442\u043e\u0447\u043a\u0438 )  bar = plt.colorbar(                                                          # \u041f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u0435 \u0448\u043a\u0430\u043b\u044b BPM \t\t\torientation='horizontal',                                            # \u041e\u0440\u0438\u0435\u043d\u0442\u0430\u0446\u0438\u044f \u0448\u043a\u0430\u043b\u044b \t\t\tshrink=0.8,                                                               # \u041c\u0430\u0441\u0448\u0442\u0430\u0431 \u0448\u043a\u0430\u043b\u044b \t\t\textend='both',                                                           # \u0421\u043a\u043e\u0441 \u043a\u0440\u0430\u0451\u0432 \u0448\u043a\u0430\u043b\u044b \t\t\textendfrac=.1                                                           # \u0423\u0433\u043e\u043b \u0441\u043a\u043e\u0441\u0430 \u043a\u0440\u0430\u0451\u0432 )  bar.set_label('\u0428\u043a\u0430\u043b\u0430 \u0443\u0434\u0430\u0440\u043e\u0432 \u0432 \u043c\u0438\u043d\u0443\u0442\u0443', fontsize=18)    # \u041f\u043e\u0434\u043f\u0438\u0441\u044c \u0448\u043a\u0430\u043b\u044b  plt.title('\u041f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u043e\u0441\u0442\u044c \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 '                                   # \u0417\u0430\u0433\u043e\u043b\u043e\u0432\u043e\u043a \u0433\u0440\u0430\u0444\u0438\u043a\u0430 \t\t  '\u0438\u0441\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u044f \u0432 \u0440\u043e\u043a\u0435', fontsize=25)  plt.xlabel('BPM', fontsize=18)                                          # \u041e\u0441\u044c \u0430\u0431\u0441\u0446\u0438\u0441\u0441 plt.ylabel('\u0413\u043e\u0434 \u0440\u0435\u043b\u0438\u0437\u0430', fontsize=18)                                # \u041e\u0441\u044c \u043e\u0440\u0434\u0438\u043d\u0430\u0442  plt.tight_layout()                                                               # \u041d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0430 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u043f\u043e\u0434\u0437\u0430\u0433\u043e\u043b\u043e\u0432\u043a\u043e\u0432 \u0432 \u043e\u0431\u043b\u0430\u0441\u0442\u0438 \u043e\u0442\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u044f plt.show()                                                                         # \u0412\u044b\u0432\u043e\u0434 \u043d\u0430 \u044d\u043a\u0440\u0430\u043d<\/code><\/pre>\n<\/div>\n<\/details>\n
\u0421\u0430\u043c\u044b\u0435 \u043f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u044b\u0435 \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u044b: 120-140 \u0438 100-120 BPM<\/figcaption><\/figure>\n
\n\u00ab\u041a\u043e\u0434 \u0433\u0438\u0441\u0442\u043e\u0433\u0440\u0430\u043c\u043c\u044b \u0431\u0435\u0437 \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u0435\u0432\u00bb<\/summary>\n
\n
import pandas as pd from matplotlib import pyplot as plt from collections import Counter  plt.style.use(\"fivethirtyeight\")  data_set = pd.read_csv('Rock end.csv') index = data_set['number'] ranges = data_set['bpm_range']  counter = Counter() for index in ranges: \tcounter.update(index.split(';'))  range_bpm = [] value = []  for item in counter.most_common(100): \trange_bpm.append(item[0]) \tvalue.append(item[1])  range_bpm.reverse() value.reverse()  plt.barh( \trange_bpm, value, \tlinewidth=.5, \tedgecolor='black', \tcolor='#e85b45', \tlabel='\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0442\u043e\u0447\u0435\u043a \u043d\u0430 \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0435\u043c \u0433\u0440\u0430\u0444\u0438\u043a\u0435' )  plt.legend()  plt.title('\u041f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u043e\u0441\u0442\u044c \u0438\u043d\u0442\u0435\u0440\u0432\u0430\u043b\u0430 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0439 BPM \u0432 \u0440\u043e\u043a\u0435', fontsize=25) plt.xlabel('\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u0435\u0441\u0435\u043d \u0432 \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u0435 BPM', fontsize=18) plt.ylabel('\u0414\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u044b BPM', fontsize=18)  plt.tight_layout() plt.show()<\/code><\/pre>\n<\/div>\n<\/details>\n
\n
6: \u0411\u043b\u044e\u0437<\/h2>\n
\u0412\u044b\u0431\u043e\u0440\u043a\u0430 \u0432\u0437\u044f\u0442\u0430 \u0437\u0434\u0435\u0441\u044c: digitaldreamdoor.com\/best_bluesong<\/a>
\u0421\u0430\u043c CSV-DataSet: github.com\/Blues.csv<\/a><\/p>\n
\u0412\u0438\u0434\u043d\u043e \u0432\u044b\u0441\u043e\u043a\u0443\u044e \u043a\u043e\u043d\u0446\u0435\u043d\u0442\u0440\u0430\u0446\u0438\u044e \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f \u0442\u0435\u043c\u043f\u0430 \u043e\u043a\u043e\u043b\u043e 100 BPM \u0432 90-\u0445<\/figcaption><\/figure>\n
\n\u00ab\u041a\u043e\u0434 \u0442\u043e\u0447\u0435\u0447\u043d\u043e\u0439 \u0434\u0438\u0430\u0433\u0440\u0430\u043c\u043c\u044b \u0441 \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u044f\u043c\u0438\u00bb<\/summary>\n
\n
from matplotlib import pyplot as plt                              # \u041f\u0435\u0440\u0432\u044b\u0439<\/code><\/pre>\n<\/div>\n<\/details>\n<\/hr>\n<\/hr>\n<\/hr>\n<\/hr>\n<\/hr>\n<\/hr>\n<\/div>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-318850","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/318850","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=318850"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/318850\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=318850"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=318850"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=318850"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}