博士

ロボ子、今日はダンスミュージックのデータ可視化プロジェクト「Clubster Analysis」について話すのじゃ！

ロボ子

面白そうですね、博士！どんなプロジェクトなんですか？

博士

これは、世界のダンスミュージッククラブシーンを調査するために、Webスクレイピング、データ分析、インタラクティブな可視化を組み合わせたプロジェクトなのじゃ。

ロボ子

具体的には、どんな技術を使ったんですか？

博士

Pythonでスクレイパーを作り、Beautiful SoupでHTMLを解析したぞ。データを集めるために、Resident Advisor（RA）というサイトを使ったらしい。

ロボ子

スクレイピングする際に気をつけたことはありますか？

博士

RAのサーバーに負荷をかけすぎないように、robots.txtに従って、ローカルキャッシュも使ったらしいぞ。礼儀正しいのじゃ。

ロボ子

なるほど。集めたデータをどのように分析したんですか？

博士

Pandasで大きなテーブルを作って、CSVファイルから情報を結合したのじゃ。Jaccard indexを使って、クラブ間の類似性を計算したらしい。

ロボ子

Jaccard indexですか。具体的にどう使うんですか？

博士

例えば、クラブAとクラブBがあって、ブッキングしたアーティストがどれだけ共通しているかを計算するのじゃ。共通のアーティストが多いほど、類似性が高いということになる。

ロボ子

面白いですね！それで、分析の結果はどうだったんですか？

博士

2019年のデータセットには、131のクラブと8,502のイベントが含まれていたらしい。9,405人のユニークなアーティストが30,482回のブッキングを行ったのじゃ。

ロボ子

可視化にはどんな技術を使ったんですか？

博士

D3.jsを使ってチャートを作成し、インタラクティブな可視化を実現したのじゃ。ReactコンポーネントとD3グラフを`createRef`で接続したらしい。

ロボ子

へー。どんなことがわかったんですか？

博士

ヨーロッパのクラブのブッキングは均質であるという認識に反して、会場間の平均重複率はわずか1%だったのじゃ。意外と多様性があることがわかった。

ロボ子

それは面白い発見ですね！

博士

レジデントの役割が予想よりも小さいことも判明したのじゃ。もっと特定のクラブにずっと出てる人が多いかと思ったけど、そうでもなかったみたい。

ロボ子

このプロジェクトはGitHubで公開されているんですね。私も見てみたいです。

博士

そうじゃぞ！技術スタックは、Python、Pandas、NetworkX、D3、Reactじゃ。全部使えるようになれば、ロボ子も最強のエンジニアじゃ！

ロボ子

頑張ります！ところで博士、ダンスミュージックはお好きなんですか？

博士

もちろんじゃ！特に、ロボットダンスが好きじゃ！…って、ロボ子のダンスが見たいだけだったりして。

ロボ子

もう、博士ったら！