回顾：播放列表的氛围

本课属于 Coddy Machine Learning 学习旅程的“无监督学习”单元。第 42 课，共 51 课。

挑战

中等

你的播放列表中有 98 首歌曲，保存在 songs.csv 中。将它们按情绪分类；图表已设置好。

缩放这四个特征，并将歌曲聚为 4 类。
根据每个聚类的平均能量和效价命名：两者都不低于 0.5 时命名为 happy，只有能量不低于 0.5 时命名为 tense，只有效价不低于 0.5 时命名为 calm，两者都低于 0.5 时命名为 sad。
按数量从多到少，打印每种情绪的歌曲数量和代表歌曲：离该组中心最近的歌曲。
以效价为横轴、能量为纵轴绘制散点图，每种情绪绘制一组，并用该情绪的名称标注；添加图例并显示图表。

这是本章第一个播放列表的结果：

happy: 26 songs, anthem Lucky Avenue
tense: 22 songs, anthem Midnight Highway
sad: 17 songs, anthem Grey Bridges
calm: 15 songs, anthem Soft Window

以及对应的图表：

另一个播放列表中有 80 首歌曲，标题为 Playlist Moods。图表以效价为横轴、能量为纵轴，分为四组并标注名称：左上为 tense，右上为 happy，左下为 sad，右下为 calm

然后 Coddy 会描述你的播放列表。

亲手试试

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans

# 每首歌占一行：能量值和愉悦度（0 表示悲伤，1 表示快乐）的范围都是 0 到 1，另有节奏和原声程度
songs = pd.read_csv("songs.csv")
features = ["energy", "valence", "tempo_bpm", "acousticness"]

fig, ax = plt.subplots()
ax.set_title("Playlist Moods")
ax.set_xlabel("Valence (sad to happy)")
ax.set_ylabel("Energy")

# 在下方编写你的代码