如何绘制一个wav文件

Question

我刚刚使用Scipy读取了一个wav文件，现在我想使用Matplotlib制作该文件的图形，在“y轴”上我想看到振幅，在“x轴”上我想看到帧数！ 有什么帮助可以告诉我如何做到这一点吗？

from scipy.io.wavfile import read
import numpy as np
from numpy import*
import matplotlib.pyplot as plt
a=read("C:/Users/Martinez/Desktop/impulso.wav")
print a

- Diego Martínez Giardini

---

print a 输出什么？ - Matthew Turner

这是单声道还是多声道的wav文件？ - Phillip Cloud

打印a，只显示带有音频文件原始数据的元组。它是单声道wav文件。 - Diego Martínez Giardini

Answer 1

你可以调用 wave 库来读取音频文件。

要绘制波形图，使用 matplotlib 的 "plot" 函数即可。

import matplotlib.pyplot as plt
import numpy as np
import wave
import sys


spf = wave.open("wavfile.wav", "r")

# Extract Raw Audio from Wav File
signal = spf.readframes(-1)
signal = np.fromstring(signal, "Int16")


# If Stereo
if spf.getnchannels() == 2:
    print("Just mono files")
    sys.exit(0)

plt.figure(1)
plt.title("Signal Wave...")
plt.plot(signal)
plt.show()

你将会拥有如下图像：

要将x轴标注为秒，你需要获得音频帧率并除以信号的大小，可以使用numpy中的linspace函数创建一个时间向量，该向量与音频文件的大小线性间距相等，最后再次使用plot函数，像这样：plt.plot(Time,signal)

import matplotlib.pyplot as plt
import numpy as np
import wave
import sys


spf = wave.open("Animal_cut.wav", "r")

# Extract Raw Audio from Wav File
signal = spf.readframes(-1)
signal = np.fromstring(signal, "Int16")
fs = spf.getframerate()

# If Stereo
if spf.getnchannels() == 2:
    print("Just mono files")
    sys.exit(0)


Time = np.linspace(0, len(signal) / fs, num=len(signal))

plt.figure(1)
plt.title("Signal Wave...")
plt.plot(Time, signal)
plt.show()

新的图表X轴以秒为单位：

- ederwander

---

那很完美，但如果我想在 x 轴上以秒为单位查看时间怎么办？如何实现这个功能？ - Diego Martínez Giardini

Ederwander，我不知道为什么当我绘制我的文件时，它只显示数据的反向！我已经复制了你写的一样！有什么建议吗？ - Diego Martínez Giardini

如果你真的认为数据被倒置了，使用numpy的任何函数来转置你的向量。 - ederwander

出于好奇，我将结果与Python和Audacity中的图形进行了比较，您可以在此处看到相同的波形：http://i.stack.imgur.com/HRbAE.png。 - ederwander

@ederwander 如果我想让这个图表变成交互式的，该怎么做呢？也就是说，如果我在图像上悬停，它应该显示该点的值。谢谢。 - kRazzy R

Answer 2

另外，如果您想使用SciPy，也可以按照以下步骤进行：

from scipy.io.wavfile import read
import matplotlib.pyplot as plt

# read audio samples
input_data = read("Sample.wav")
audio = input_data[1]
# plot the first 1024 samples
plt.plot(audio[0:1024])
# label the axes
plt.ylabel("Amplitude")
plt.xlabel("Time")
# set the title  
plt.title("Sample Wav")
# display the plot
plt.show()

- CuriousCoder

---

有没有关于如何编辑处理24位深度WAV文件的建议？ - thron of three

很棒的回答@CuriousCoder！如果这是针对mp3文件完成的，那么Y轴上的单位会是分贝吗？ - maximus

Answer 3

这是一个基于@ederwander的回答，还可以处理立体声输入的版本。

import matplotlib.pyplot as plt
import numpy as np
import wave

file = 'test.wav'

with wave.open(file,'r') as wav_file:
    #Extract Raw Audio from Wav File
    signal = wav_file.readframes(-1)
    signal = np.fromstring(signal, 'Int16')

    #Split the data into channels 
    channels = [[] for channel in range(wav_file.getnchannels())]
    for index, datum in enumerate(signal):
        channels[index%len(channels)].append(datum)

    #Get time from indices
    fs = wav_file.getframerate()
    Time=np.linspace(0, len(signal)/len(channels)/fs, num=len(signal)/len(channels))

    #Plot
    plt.figure(1)
    plt.title('Signal Wave...')
    for channel in channels:
        plt.plot(Time,channel)
    plt.show()

- Alter

---

功能正常，但速度比较慢。可以使用一行代码 channels = [signal[channel::num_channels] for channel in range(num_channels)]来让它跑得非常快。 - Arthur C

Answer 4

这里是绘制波形和频谱的音频文件代码

import wave
import numpy as np
import matplotlib.pyplot as plt

signal_wave = wave.open('voice.wav', 'r')
sample_rate = 16000
sig = np.frombuffer(signal_wave.readframes(sample_rate), dtype=np.int16)

对于整个波形文件的部分

sig = sig[:]

对于音频文件的部分片段

sig = sig[25000:32000]

分离立体声通道

left, right = data[0::2], data[1::2]

绘制波形图（plot_a）和频率谱图（plot_b）

plt.figure(1)

plot_a = plt.subplot(211)
plot_a.plot(sig)
plot_a.set_xlabel('sample rate * time')
plot_a.set_ylabel('energy')

plot_b = plt.subplot(212)
plot_b.specgram(sig, NFFT=1024, Fs=sample_rate, noverlap=900)
plot_b.set_xlabel('Time')
plot_b.set_ylabel('Frequency')

plt.show()

- Nikhil Parashar

---

什么是“数据”？ - meniluca

这是一个打字错误...将"data"替换为"sig"，它就可以正常工作了！谢谢@nikhil parashar。 - chad steele

Answer 5

仅仅是一条观察（我无法添加评论）。

你将收到以下信息：

DeprecationWarning：数字类型代码已被弃用，并且将来会产生错误。

不要使用np.fromstring来处理二进制数据。建议使用 signal = np.frombuffer(signal, dtype='int16')，而不是 signal = np.fromstring(signal, 'Int16')。

- Eduardo Freitas

Answer 6

以下是一个可以处理单声道/立体声和8位/16位PCM的版本。

import matplotlib.pyplot as plt
import numpy as np
import wave

file = 'test.wav'

wav_file = wave.open(file,'r')

#Extract Raw Audio from Wav File
signal = wav_file.readframes(-1)
if wav_file.getsampwidth() == 1:
    signal = np.array(np.frombuffer(signal, dtype='UInt8')-128, dtype='Int8')
elif wav_file.getsampwidth() == 2:
    signal = np.frombuffer(signal, dtype='Int16')
else:
    raise RuntimeError("Unsupported sample width")

# http://schlameel.com/2017/06/09/interleaving-and-de-interleaving-data-with-python/
deinterleaved = [signal[idx::wav_file.getnchannels()] for idx in range(wav_file.getnchannels())]

#Get time from indices
fs = wav_file.getframerate()
Time=np.linspace(0, len(signal)/wav_file.getnchannels()/fs, num=len(signal)/wav_file.getnchannels())

#Plot
plt.figure(1)
plt.title('Signal Wave...')
for channel in deinterleaved:
    plt.plot(Time,channel)
plt.show()

- TimSC

Answer 7

我想我本来可以在评论中发表这个问题，但是基于@ederwander和@TimSC的答案，我想要做出更细致和美观的东西。下面的代码可以创建一个非常漂亮的立体声或单声道波形文件（我不需要标题，所以我注释了它，也不需要show方法 - 只需要保存图像文件）。

以下是渲染的立体声wav示例： 还有代码，我提到的差异:

import matplotlib.pyplot as plt
import numpy as np
import wave

file = '/Path/to/my/audio/file/DeadMenTellNoTales.wav'

wav_file = wave.open(file,'r')

#Extract Raw Audio from Wav File
signal = wav_file.readframes(-1)
if wav_file.getsampwidth() == 1:
    signal = np.array(np.frombuffer(signal, dtype='UInt8')-128, dtype='Int8')
elif wav_file.getsampwidth() == 2:
    signal = np.frombuffer(signal, dtype='Int16')
else:
    raise RuntimeError("Unsupported sample width")

# http://schlameel.com/2017/06/09/interleaving-and-de-interleaving-data-with-python/
deinterleaved = [signal[idx::wav_file.getnchannels()] for idx in range(wav_file.getnchannels())]

#Get time from indices
fs = wav_file.getframerate()
Time=np.linspace(0, len(signal)/wav_file.getnchannels()/fs, num=len(signal)/wav_file.getnchannels())
plt.figure(figsize=(50,3))
#Plot
plt.figure(1)
#don't care for title
#plt.title('Signal Wave...')
for channel in deinterleaved:
    plt.plot(Time,channel, linewidth=.125)
#don't need to show, just save
#plt.show()
plt.savefig('/testing_folder/deadmentellnotales2d.png', dpi=72)

- CRGreen

Answer 8

我想到了一种更灵活、更高效的解决方案：

• 使用下采样实现每秒两个样本。这是通过计算每个窗口的绝对值的平均值来实现的。结果看起来像流媒体网站（如SoundCloud）中的波形。
• 支持多通道（感谢@Alter）
• 每个操作都使用Numpy完成，比循环遍历数组要快得多。
• 文件被分批处理，以支持非常大的文件。

import matplotlib.pyplot as plt
import numpy as np
import wave
import math

file = 'audiofile.wav'

with wave.open(file,'r') as wav_file:
    num_channels = wav_file.getnchannels()
    frame_rate = wav_file.getframerate()
    downsample = math.ceil(frame_rate * num_channels / 2) # Get two samples per second!

    process_chunk_size = 600000 - (600000 % frame_rate)

    signal = None
    waveform = np.array([])

    while signal is None or signal.size > 0:
        signal = np.frombuffer(wav_file.readframes(process_chunk_size), dtype='int16')

        # Take mean of absolute values per 0.5 seconds
        sub_waveform = np.nanmean(
            np.pad(np.absolute(signal), (0, ((downsample - (signal.size % downsample)) % downsample)), mode='constant', constant_values=np.NaN).reshape(-1, downsample),
            axis=1
        )

        waveform = np.concatenate((waveform, sub_waveform))

    #Plot
    plt.figure(1)
    plt.title('Waveform')
    plt.plot(waveform)
    plt.show()

- Arthur C

---

我在使用np.pad时遇到了错误，提示“ValueError: cannot convert float NaN to integer”，你有什么想法如何解决吗？ - JZoares