1. 实际应用场景描述
场景
某音乐爱好者长期使用音乐平台听歌，并导出自己的听歌记录（歌曲名、歌手、播放次数）。他希望：
- 快速找出播放次数最多的歌手
- 自动推荐该歌手的其他热门歌曲
- 优化歌单，发现更多喜欢的音乐
痛点
- 手动统计播放数据耗时
- 难以快速找到最爱歌手的其他作品
- 缺乏自动化推荐，依赖平台算法
2. 核心逻辑讲解
1. 输入：歌曲名、歌手、播放次数（可从CSV/JSON导入）
2. 统计：按歌手汇总总播放次数，找出最高者
3. 推荐：根据预设的热门歌曲库，推荐该歌手的其他歌曲
4. 输出：打印结果和推荐列表
3. 代码模块化设计
我们将代码分为：
-
"data_loader.py"：数据加载模块
-
"analysis.py"：统计分析模块
-
"recommendation.py"：推荐生成模块
-
"main.py"：主程序入口
3.1
"data_loader.py"
# data_loader.py
import json
def load_listening_data(file_path="listening_history.json"):
"""
从JSON文件加载听歌记录
格式: [{"song": "歌名", "artist": "歌手", "play_count": 次数}, ...]
"""
try:
with open(file_path, "r", encoding="utf-8") as f:
data = json.load(f)
return data
except FileNotFoundError:
print(f"文件 {file_path} 未找到，使用示例数据")
return [
{"song": "光年之外", "artist": "G.E.M.", "play_count": 50},
{"song": "泡沫", "artist": "G.E.M.", "play_count": 40},
{"song": "演员", "artist": "薛之谦", "play_count": 60},
{"song": "丑八怪", "artist": "薛之谦", "play_count": 55},
{"song": "平凡之路", "artist": "朴树", "play_count": 30}
]
3.2
"analysis.py"
# analysis.py
from collections import defaultdict
def find_top_artist(data):
"""
找出播放次数最多的歌手
:param data: list of dict
:return: tuple (artist_name, total_play_count)
"""
artist_plays = defaultdict(int)
for record in data:
artist_plays[record["artist"]] += record["play_count"]
if not artist_plays:
return None, 0
top_artist = max(artist_plays.items(), key=lambda x: x[1])
return top_artist
3.3
"recommendation.py"
# recommendation.py
# 预设热门歌曲库（实际可从API获取）
HOT_SONGS_DB = {
"G.E.M.": ["来自天堂的魔鬼", "倒数", "新的心跳"],
"薛之谦": ["刚刚好", "绅士", "动物世界"],
"朴树": ["那些花儿", "白桦林", "生如夏花"]
}
def recommend_songs(artist):
"""
根据歌手推荐其他热门歌曲
"""
return HOT_SONGS_DB.get(artist, ["暂无推荐"])
3.4
"main.py"
# main.py
from data_loader import load_listening_data
from analysis import find_top_artist
from recommendation import recommend_songs
def main():
print("=== 听歌记录分析与推荐系统 ===")
# 加载数据
listening_data = load_listening_data()
# 找出播放最多的歌手
top_artist, total_plays = find_top_artist(listening_data)
if top_artist:
print(f"\n🎵 播放次数最多的歌手是: {top_artist}，总播放次数: {total_plays}")
# 推荐该歌手的其他歌曲
recommendations = recommend_songs(top_artist)
print(f"\n💡 推荐 {top_artist} 的其他热门歌曲:")
for song in recommendations:
print(f" - {song}")
else:
print("没有找到任何听歌记录")
# 列出所有歌手播放统计
from collections import defaultdict
artist_plays = defaultdict(int)
for record in listening_data:
artist_plays[record["artist"]] += record["play_count"]
print("\n📊 全部歌手播放统计:")
for artist, plays in sorted(artist_plays.items(), key=lambda x: x[1], reverse=True):
print(f"{artist}: {plays} 次")
if __name__ == "__main__":
main()
4. README.md
# 听歌记录分析与推荐系统
## 项目简介
基于Python的音乐播放记录分析工具，帮助你找出最爱歌手并推荐其热门歌曲。
## 功能
- 导入听歌记录（JSON格式）
- 统计播放次数最多的歌手
- 推荐该歌手的其他热门歌曲
- 按播放次数排序展示所有歌手
## 安装与使用
1. 确保已安装 Python 3.7+
2. 准备 `listening_history.json` 数据文件（或使用内置示例数据）
3. 运行 `python main.py`
## 数据格式示例 (listening_history.json)
json
[
{"song": "光年之外", "artist": "G.E.M.", "play_count": 50},
{"song": "演员", "artist": "薛之谦", "play_count": 60}
]
## 模块说明
- `data_loader.py`: 数据加载
- `analysis.py`: 统计分析
- `recommendation.py`: 推荐生成
- `main.py`: 主程序
5. 使用说明
1. 创建
"listening_history.json" 文件，按示例格式填写歌曲、歌手、播放次数
2. 运行：
python main.py
3. 查看控制台输出的统计结果与推荐歌曲
6. 核心知识点卡片
知识点 说明
JSON数据处理 读写结构化数据
defaultdict 高效分组统计
max()与lambda 查找最大值
字典操作 存储与查询推荐歌曲
模块化设计 便于维护与扩展
条件分支推荐 根据数据生成个性化输出
大数据预处理 真实场景可用Pandas处理千万级播放记录
7. 总结
本项目通过模块化Python编程，解决了听歌记录分析的痛点：
- 自动化：一键统计最爱歌手
- 智能化：自动推荐相关歌曲
- 可扩展：可接入音乐平台API实现实时数据获取
未来可结合协同过滤算法或NLP分析歌词情感，实现更精准的个性化推荐，打造真正的个人音乐智能管家。
如果你愿意，可以把这个系统升级成带GUI的桌面应用（Tkinter/PyQt）或者Web版（Flask + Vue.js），并增加歌词情感分析功能，让推荐更符合你的心情。
利用AI高效解决实际问题，如果你觉得这个工具好用，欢迎关注我。
