Question

我目前正在使用python和numpy / scipy实现节拍检测算法。我基本上需要读取.wav文件并进行处理。这是代码：

sampling_rate, wave_data = scipy.io.wavfile.read(argv[1])

wave_data是一个1-D numpy数组，有大约441 000个元素（声音为10秒，采样率为44.1 kHz）。现在，我需要对此数组中的每两个元素进行一些基本的数学运算。这就是我现在的做法：

wave_data = [sampling_rate * (wave_data[i+1] - wave_data[i]) 
             for i in xrange(len(wave_data)-1)]

这种操作需要花费太多时间（没有分析时会很明显）。我需要“就地”成对映射数组，而不创建新的python列表。我知道有numpy.vectorize，但我不知道如何成对地进行映射（映射数组的每两个元素）。

Answer 1

以下任何一种情况都可以：

wave_date = sampling_rate * np.diff(wave_data)

或

wave_date = sampling_rate * (wave_data[1:] - wave_data[:-1])

例如：

In [7]: sampling_rate = 2

In [8]: wave_data = np.array([1, 3, 5, 2, 8, 10])

In [9]: sampling_rate * (wave_data[1:] - wave_data[:-1])
Out[9]: array([ 4,  4, -6, 12,  4])

就性能而言，这两种方法都比列表理解快约500倍：

In [16]: wave_data = np.array([1., 3, 5, 2, 8, 10, 5, 2, 4, 7] * 44100)

In [17]: %timeit sampling_rate * np.diff(wave_data)
100 loops, best of 3: 2.2 ms per loop

In [18]: %timeit sampling_rate * (wave_data[1:] - wave_data[:-1])
100 loops, best of 3: 2.15 ms per loop

In [19]: %timeit [sampling_rate * (wave_data[i+1] - wave_data[i]) for i in xrange(len(wave_data)-1)]
1 loops, best of 3: 970 ms per loop

成对映射numpy数组

1 个答案: