技術標籤：機器學習機器學習python資料分析

準備工作：
首先，我們需要 import 幾個工具包，一個是 python 標準庫中的 wave 模組，用於音訊處理操作，另外兩個是 numpy 和 matplot，提供資料處理函式。
一：讀取本地音訊資料
處理音訊第一步是需要從讓計算機“聽到”聲音，這裡我們使用 python 標準庫中自帶的 wave模組進行音訊引數的獲取。

（1） 匯入 wave 模組
（2） 使用 wave 中的函式 open 開啟音訊檔案，wave.open(file,mode)函式帶有兩個引數， 第一個 file 是所需要開啟的檔名及路徑，使用字串表示；第二個 mode 是開啟的模式，也是用字串表示 （’rb’或’wb’）

#  匯入 wave 模組
import wave
#  用於繪製波形圖
import matplotlib.pyplot as plt
#  用於計算波形資料
import numpy as np
#  用於系統處理，如讀取本地音訊檔案
import os
 
# 開啟WAV文件
f = wave.open(r"2.wav",'rb' )
# 讀取格式資訊
params =
 
 f.getparams ()
nchannels,sampwidth, framerate, nframes = params [:4]
print(framerate)

二：讀取單通道音訊，並繪製波形圖（常見音訊為左右2個聲道）

（1） 通過第一步，可以繼續讀取音訊資料本身，儲存為字串格式

readframes：

讀取聲音資料，傳遞一個引數指定需要讀取的長度（以取樣點為單位），readframes返回的是二進位制資料（一大堆bytes)，在Python中用字串表示二進位制資料。

strData = f.readframes(nframes)

（2） 如果需要繪製波形圖，則需要將字串格式的音訊資料轉化為 int 型別

frombuffer：

根據聲道數和量化單位，將讀取的二進位制資料轉換為一個可以計算的陣列。

通過frombuffer函式將二進位制轉換為整型陣列，通過其引數dtype指定轉換後的資料格式。

waveData=np.frombuffer(strData,dtype=np.int16)

此處需要使用到 numpy 進行資料格式的轉化

（3） 將幅值歸一化
把資料變成（０，１）之間的小數。主要是為了資料處理方便提出來的，把資料對映到0～1範圍之內處理，更加便捷快速。

waveData=waveData*1.0/(max(abs(waveData)))

這一步去掉也可畫出波形圖，可以嘗試不用此步，找出波形圖的不同

（4） 繪製圖像

通過取樣點數和取樣頻率計算出取樣的時間：

time = np.arange(0,nframes)*(1.0/framerate)

import wave
#  匯入 wave 模組
import matplotlib.pyplot as plt
#  用於繪製波形圖
import numpy as np
#  用於計算波形資料
import os
#    用於系統處理，如讀取本地音訊檔案
 
f = wave.open(r"di.wav",'rb' )
params = f.getparams ()
nchannels,sampwidth, framerate, nframes = params [:4]
print(framerate)
 
# 讀取波形資料
strData = f.readframes(nframes)
# 將字串轉換為16位整數
waveData = np.frombuffer(strData,dtype=np.int16)
# 幅值歸一化
waveData = waveData*1.0/(max(abs(waveData)))
#計算音訊的時間
time = np.arange(0,nframes)*(1.0 / framerate)
 
plt.plot(time,waveData)
plt.xlabel("Time(s)")
plt.ylabel("Amplitude") 
plt.title("Single channel wavedata")
plt.show()

效果圖