Eine interaktive Karte meiner Spotify-Lieblingssongs – gefiltert nach Genre, Erscheinungsjahr
und dem Moment, in dem sie in meiner Bibliothek landeten. Jeder Punkt ist ein Song.
Eigene Daten verwenden
Lade deine eigene Spotify-Bibliothek als CSV und erkunde sie mit denselben
Diagrammen. Alles passiert direkt in deinem Browser – nichts wird hochgeladen oder gespeichert.
Öffne exportify.net und melde
dich mit deinem Spotify-Konto an. Exportify ist ein freies Open-Source-Tool, das deine Playlists
als Tabelle exportiert.
Wähle eine Playlist (oder „Liked Songs“) und klicke auf Export. Aktiviere dabei
die Audio-Features, damit Danceability, Energy & Co. enthalten sind.
Du erhältst eine .csv-Datei. Lade sie hier ab:
Hinweis: Enthält die CSV keine ISRC-Spalte, bleibt die „Herkunft“-Weltkarte leer.
Alle anderen Auswertungen funktionieren ganz normal. Deutsche Exportify-CSVs werden ebenfalls erkannt.
Übersicht
Zuneigung × Aufmerksamkeit
Jeder Punkt ein Song. Waagerecht: wann du ihn geliked hast (links früher, rechts kürzlich). Senkrecht: wie oft du ihn wirklich gehört hast (oben häufiger). Ganz unten die Songs, die du gespeichert, aber (fast) nie gehört hast. Farbe = Genre, Größe = Wiedergaben. Klick öffnet den Song.
Dekaden
Gewichtung
Künstler-Vielfalt
Songs pro Künstler (10+ links → 1 rechts). Viele „Einzelstücke" = breiter, neugieriger Geschmack.
Herkunft
Gewichtung
Herkunft der Songs nach ISRC-Ländercode. Je kräftiger das Orange, desto mehr Songs aus dem Land. Klick auf ein Land zeigt die Songs.
Danceability × Energy
Klick auf die Punkte, um Songs im Scatter-Graph zu entdecken.
Ähnlichkeitskarte
Jeder Punkt ist ein Song. Songs, die sich ähneln (nach Genre und Klang), liegen nah beieinander – so werden Nachbarschaften und Cluster sichtbar (die Achsen selbst haben keine Bedeutung). Die Farbe zeigt das Genre (Legende unten); die orange Fläche und die Höhenlinien zeigen, wo sich viele ähnliche Songs ballen: je heller und je weiter innen, desto stärker der Schwerpunkt deines Geschmacks. Klick auf einen Punkt öffnet den Song.
Methode: Die Ähnlichkeit jedes Songpaars mischt zwei Signale: die Genre-Verwandtschaft (gemeinsame Genre-Familien und Sub-Genres, damit etwa Boom Bap nahe an Hip-Hop liegt) und fünf Klang-Merkmale (Tanzbarkeit, Energie, Stimmung, Tempo, Akustik; die Stimmung zählt dabei etwas mehr). Daraus berechnet das Verfahren t-SNE eine 2-D-Karte, die ähnliche Songs zusammenführt; die Dichte dieser Punkte wird per Kerndichteschätzung als Höhenlinien dargestellt.