2016年阿里天池大赛，也是中国高校第一届大数据挑战赛的数据。数据包括两个表，分别是用户行为表mars_tianchi_user_actions.csv和歌曲艺人表mars_tianchi_songs.csv。大赛开放抽样的歌曲艺人数据，以及和这些艺人相关的6个月内（20150301-20150831）的用户行为历史记录。选手需要预测艺人随后2个月，即60天（20150901-20151030）的播放数据。 按照艺人统计每个艺人每天所有歌曲的播放量，输出文件为exp2_3.csv，各个列名为艺人id,日期Ds， 歌曲播放总量。注意：这里只统计歌曲的播放量，不包括下载和收藏的数量。代码

根据题目要求，我们需要按照艺人统计每个艺人每天所有歌曲的播放量。这里以Python为例，具体代码实现如下：

import pandas as pd

# 读取用户行为表和歌曲艺人表
action_data = pd.read_csv('mars_tianchi_user_actions.csv')
song_data = pd.read_csv('mars_tianchi_songs.csv')

# 筛选出行为类型为播放的记录，并且只保留用户id，日期和歌曲id这三个字段
play_data = action_data[action_data.action_type == 1][['user_id', 'Ds', 'song_id']]

# 将歌曲id和艺人id进行匹配，得到每个歌曲所属的艺人id
song_artist_dict = dict(zip(song_data.song_id, song_data.artist_id))
play_data['artist_id'] = play_data['song_id'].map(song_artist_dict)

# 按照艺人id、日期进行分组，统计播放次数
artist_daily_plays = play_data.groupby(['artist_id', 'Ds']).size().reset_index(name='play_count')

# 将结果输出到exp2_3.csv文件中
artist_daily_plays.to_csv('exp2_3.csv', index=False)

上述代码中，首先读取了用户行为表和歌曲艺人表。然后筛选出行为类型为播放的记录，并只保留用户id、日期和歌曲id这三个字段。接着，将歌曲id和艺人id进行匹配，得到每个歌曲所属的艺人id。最后，按照艺人id、日期进行分组，统计播放次数，并将结果输出到exp2_3.csv文件中。