期间 | 音乐记录计数 | 音乐记录计数对比 |
---|---|---|
Fri | 12 | 129 |
Sat | 39 | 109 |
Sun | 152 | 156 |
Mon | 256 | 113 |
Tue | 53 | 234 |
Wed | 59 | 108 |
Thu | 16 | 67 |
2025年 apr 18日 - 2025年 apr 24日
音乐记录
587
最佳音乐
艺术家
115
新艺术家
28%
专辑
160
新专辑
32%
单曲
277
新单曲
30%
榜单
音乐比例
单曲
277
对比 400
(上周)
(上周)
专辑
160
对比 226
(上周)
(上周)
艺术家
115
对比 84
(上周)
(上周)
收听指纹
- patchnote
- 全球平均值
类别 | 类别说明 | 用户数据 | 全球数据 | 工具提示值 |
---|---|---|---|---|
一致性 | 描述您的音乐习惯规律性有多强。较高的百分比意味着您在整周中有更多天记录了音乐。 | 100 | 81 | 100% 一致性 |
发现率 | 本周您听了多少新音乐。较高的百分比意味着您发现了更多的新艺术家。 | 28 | 15 | 28% 发现率 |
丰富性 | 本周您收听歌曲的丰富性情况。较高的百分比意味着您探索了更多的标签。 | 42 | 28 | 42% 丰富性 |
集中度 | 您花费了多少时间来聆听您最喜爱的艺术家。较高的百分比表示您与您钟爱的艺术家共度了更多时光。 | 63 | 61 | 63% 集中度 |
重放率 | 您重复收听最爱歌曲的频率。 | 53 | 32 | 53% 重放率 |
音乐十年
十年 | 音乐记录 | 最佳专辑 | 图片 | 最佳十年 |
---|---|---|---|---|
1960 年以前 | 0 | /static/images/listening-report/v3/default_album.c052a79f9ec6.svg | ||
1960 年代 | 0 | /static/images/listening-report/v3/default_album.c052a79f9ec6.svg | ||
1970 年代 | 0 | /static/images/listening-report/v3/default_album.c052a79f9ec6.svg | ||
1980 年代 | 1 | Rick Astley 的 Whenever You Need Somebody | https://lastfm.freetls.fastly.net/i/u/60x60/7eedf5854f216eba1908447afdb746d6.jpg | |
1990 年代 | 0 | /static/images/listening-report/v3/default_album.c052a79f9ec6.svg | ||
2000 年代 | 0 | /static/images/listening-report/v3/default_album.c052a79f9ec6.svg | ||
2010 年代 | 20 | Hype Williams 的 Rainbow Edition | https://lastfm.freetls.fastly.net/i/u/60x60/e0e8902818db76587666b894ef437060.jpg | |
2020 年代 | 508 | killjae 的 listen - Single | https://lastfm.freetls.fastly.net/i/u/60x60/25676fa619ad3c5daa0e1c16c5858762.jpg | true |
收听时钟
小时 | 音乐记录计数 |
---|---|
0 | 36 |
1 | 34 |
2 | 73 |
3 | 67 |
4 | 12 |
5 | 11 |
6 | 0 |
7 | 0 |
8 | 0 |
9 | 0 |
10 | 0 |
11 | 0 |
12 | 0 |
13 | 0 |
14 | 0 |
15 | 0 |
16 | 3 |
17 | 25 |
18 | 27 |
19 | 30 |
20 | 29 |
21 | 70 |
22 | 84 |
23 | 86 |
最繁忙的时间
23:00
在最繁忙时间内的音乐记录
86
快速事实
收听时间
19
小时
vs. 1 天, 7 小时 (上周)
平均音乐记录
84
/天
vs. 131 (上周)
社区
Last.fm
您想要个性化收听统计数据吗?加入 Last.fm,和数百万用户一起追踪和发现音乐。完全免费。
-
您的音乐统计,实时
实时查看您的统计数据,或者接收每周报告。
-
找到您喜欢的音乐
推荐基于您的收听历史。
-
重新发现您的音乐
您听过的每一首歌,都汇聚在一个地方。
- …及更多功能!